雷達信號處理國家級重點實驗室師生赴溫哥華參加ICLR2018深度學習頂級會議

2018年4月30日—5月3日，第6屆國際表征學習大會(International Conference on Learning Representations, ICLR: https://iclr.cc/Conferences/2018/)在加拿大溫哥華會展中心隆重召開。ICLR是機器學習與深度學習領域內影響力最大的學術會議之一，代表著熱門科研領域的最前沿，具有廣泛而深遠的國際影響力。該會議源于2013年表征學習研討會，每年舉辦一次。 經過短短六年的發展，ICLR已逐漸成為國際公認的機器學習和人工智能研究領域最具影響力的盛會之一，代表著當今機器學習人工智能學術界的最高水平。

本屆ICLR會議錄用論文337篇，錄用率為34%，參會人數約2000人。作為機器學習人工智能領域內影響力最大的學術會議之一，ICLR受到來自世界各國的相關研究人員和機構的廣泛關注，包括機器學習領域內頂尖科學家Geoffrey E Hinton作為第一作者發表文章 ，因而在該會議上發表論文極具挑戰性。本年度，僅有大約5篇來自國內高校的文章被大會錄用，如清華、上海交大、香港科技和西電等。大會不僅匯集了來自全世界高校的知名學者、科研人員，同時也吸引了眾多科技巨頭，如Google、Microsoft、Facebook、IBM、Amazon、NVIDIA、Uber和Intel，以及百度和網易等知名企業，就機器學習、人工智能等多個研究領域的熱點內容和成果進行深入的探討，并預測新的研究方向。

今年，我校雷達信號處理國家級重點實驗室陳渤教授指導的博士生張昊和郭丹丹，提出了適用于深度主題模型的威布爾混合自編碼推理方法的相關論文，“WHAI: Weibull Hybrid Autoencoding Inference for Deep Topic Modeling”，并被會議錄用，這也是我校學生首次作為第一作者的論文發表在ICLR大會上，并做相關poster展示。該工作延續了團隊與德州大學奧斯汀分校（UTAustin）周名遠教授合作的，分別發表于NIPS2015的深度概率統計模型和ICML2017的針對大數據的概率統計深層網絡快速學習方法的研究成果，聚焦于概率統計深層網絡在測試階段的快速學習和擴展到大數據的問題。該工作所提出的模型，首先利用威布爾分布逼近伽馬分布，以此可從均勻分布中采樣噪聲得到簡單的重參技術, 之后聯合隨機梯度馬爾科夫鏈蒙特卡洛方法和變分自編碼方法獲得針對深層文本模型的混合自編碼推理方法，實現了在測試階段中大數據背景下直接通過網絡映射快速得到樣本的特征，顯著提升了概率深度網絡的實用性。通過該次大會，一方面展示了雷達信號處理國家級重點實驗室師生在機器學習和深度網絡領域的研究能力和成果，擴大了實驗室的學術影響力，同時也有助于實驗室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。

論文工作詳情請參考陳渤教授主頁：http://web.xidian.edu.cn/bchen/