西安电子科技大学-电子所-雷达信号处理国家重点实验室   National Lab of Radar Signal Processing
    返回首页    返回上一页

雷达信号处理国家级重点实验室学生论文被机器学习顶级会议ICML2019录用

更新时间:2019-05-20 15:36 点击:

第36届国际机器学习大会(International Conference on Machine Learning, https://icml.cc/)将于2019年6月8日—15日,在美国长滩会议中心隆重召开,该会议是机器学习和人工智能领域国际最顶级会议之一,代表着热门科研领域的最前沿,具有广泛而深远的国际影响力。今年,来自我校雷达信号处理国家级重点实验室陈渤教授团队的博士生王超杰、硕士生肖肃诚的有关深度卷积概率统计模型的论文《Convolutional Poisson Gamma Belief Network》被ICML2019录用。
作为机器学习人工智能领域的两大顶级盛会之一,ICML受到来自全世界相关研究人员和机构的广泛关注,因而在该会议上发表论文极具挑战性。本届ICML会议录用论文773篇,投稿3424篇,录用率仅为22.5%,西电师生有两篇文章录用,另一篇来自石光明教授团队。根据博世研究院统计结果,西电也首次与清华、北大、南大、上海交大和上海科大六所高校共同列在全球前100,这也标志着西电研究成果进一步得到了国际同行的认可。
本次发表研究,基于团队在深度概率统计模型方面的系列工作,提出了一种新的深度卷积概率统计模型Convolutional Poisson Gamma Belief Network,能够充分利用矩阵的稀疏性从而直接处理one-hot序列数据,以文本数据为例,模型可以从文本中挖掘单词之间的时序性组成短语层次的结构化神经元。该模型结构相似于现有的卷积神经网络,包括了卷积层、概率池化层和全连接层,但在解码部分,利用全概率生成模型对数据建模,从而赋予隐变量概率解释以及缓解网络对数据量的依赖性。由此,通过几年的努力,团队基于概率框架,构建了一套完整的概率统计深度网络模型族,即概率深度全连接自编码(NIPS2015、ICML2017、ICLR2018)、概率深度动态网络(NIPS2018)和概率深度卷积网络(ICML2019),为概率模型与传统深度网络有效的结合提供了关键技术支撑。
此次工作的录用,不仅向外界充分展示了西安电子科技大学在机器学习领域的研究水平和研究成果,扩大了我校的学术影响力,同时也有助于我校与该领域顶尖学者的交流以及对该领域最新研究进展的了解。
论文工作详情包括源程序请参考陈渤教授主页:http://web.xidian.edu.cn/bchen/
  返回首页    返回上一页            
 
西安电子科技大学 雷达信号处理国家重点实验室 版权所有
Copyright © 1996-2021 National Lab of Radar Signal Processing All Rights Reserved
电子工程学院网络信息中心  管理员信箱 seewebmaster@163.com