雷達信號處理國家級重點實驗室學生論文被深度學習頂級會議ICLR2020錄用
(通訊員 王正玨)第8屆國際表示學習大會（International Conference on Learning Representation, ICLR, https://iclr.cc/）將于2020年4月26日到4月30日，在非洲埃塞爾比亞首都亞的斯亞貝巴的千年大廳舉辦。該會議是機器學習和深度學習領域國際最頂級會議之一，在google人工智能領域的top publication排名中，排在第二位。它代表著熱門研究領域的最前沿，具有廣泛而深遠的國際影響力。這也是歷史上首次在非洲舉辦最頂級的機器學習會議。今年，來自我校雷達信號處理國家級重點實驗室陳渤教授團隊的博士生張昊（已經畢業前往杜克大學做博士后），田隆，王正玨的有關層次化概率多模態生成模型的論文《Variational Hetero-Encoder Randomnized GANs for Joint Image-Text modeling》被ICLR2020錄用。
作為機器學習以及深度表征學習領域的頂級會議之一，ICLR受到來自全世界學術界以及工業界相關研究人員和機構的廣泛關注，因而在該會議上發表論文極具挑戰性。本屆ICLR會議收到投稿數量2594篇，錄用論文687篇，接受率為26.5%。
本次發表研究，基于團隊在深度概率統計模型方面的系列工作，提出了一種全新的深度層次化概率多模態模型，用于同時建模文本和圖像數據。與已有的文本圖像多模態模型只在單層上建立了雙模態之間的關系不同，該論文利用生成對抗網絡建模圖像，利用深度概率模型建模文本，并在不同層之間建立了關系，從而實現了圖像文本模態之間的雙向轉換。模型不僅僅在多個文本圖像聯合學習任務中取得最新的性能，同時可以挖掘兩個模態在不同層之間存在的關系，為后續的分析和數據處理提供了可解釋的依據。由此，通過若干年的努力，團隊基于概率框架，構建了一套完整的概率統計深度模型家族，分別是概率深度全連接生成模型（NIPS2015、ICML2017）、概率深度全連接自編碼模型（ICLR2018）、概率深度動態網絡（NIPS2018）、概率深度卷積網絡（ICML2019）以及概率深度多模態模型（AAAI2018、ICLR2020）。為概率模型與傳統深度網絡的結合提供了關鍵技術支撐和實際應用突破。
此次工作的錄用，不僅向外界充分展示了西安電子科技大學在機器學習領域的研究水平和研究成果，擴大了我校的學術影響力，同時也有助于我校與該領域頂尖學者的交流以及對該領域最新研究進展的了解。
論文工作詳情包括源程序請參考陳渤教授主頁：http://web.xidian.edu.cn/bchen/。
