雷達信號處理國家重點實驗室師生赴悉尼參加ICML2017機器學習頂級會議

2017年8月6日—11日，第34屆國際機器學習大會(International Conference on Machine Learning, ICML: https://2017.icml.cc/)在澳大利亞悉尼國際會展中心隆重召開。ICML是機器學習和人工智能領域國際最頂級會議之一，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1980年在卡內基-梅隆大學CMU舉辦的機器學習研討會，由國際機器學習學會IMLS主辦，每年舉辦一次。經過幾十年的發展，ICML（中國計算機學會CCF推薦A類國際會議）已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兩大盛會之一，代表著當今機器學習人工智能學術界的最高水平。（另一會議為，神經信息處理系統大會，Neural Information Processing Systems，NIPS）

本屆ICML會議錄用論文434篇，錄用率為25%，參會人數約2500人。作為機器學習人工智能領域的兩大盛會之一，ICML受到來自全世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。本年度，有大約20篇來自國內高校的文章，如清華、北大、南大、香港中文、浙大、西交大和西電等。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、Amazon、NVIDIA、Uber和Intel，以及阿里巴巴、騰訊、百度和京東等知名企業，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。

今年，我校雷達信號處理國家重點實驗室劉宏偉教授與陳渤教授指導的博士生叢玉來，在有關可處理大規模數據的深度概率模型方面的相關論文，“Deep Latent Dirichlet Allocation with Topic-Layer-Adaptive Stochastic Gradient Riemannian MCMC”，被會議錄用，這也是我校首次學生作為第一作者的論文發表在ICML大會上，并做20分鐘的口頭報告。該工作延續了團隊與德州大學奧斯汀分校（UTAustin）周名遠教授合作的發表于NIPS2015的深度概率統計模型的相關研究，聚焦大數據下概率統計深層網絡的快速學習問題，利用數據增廣和邊緣化技術，獲取概率統計深層網絡的Fisher信息矩陣，從而聯合隨機梯度馬爾科夫鏈蒙特卡洛方法，實現了大數據下對深層網絡的高效聯合學習，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重點實驗室師生在機器學習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/

論文作者合影。左：UTAustin周名遠教授。中：叢玉來博士。右：陳渤教授。

叢玉來博士于ICML 2017國際會議上作海報講解

陳渤教授在會議上作口頭報告