西电新闻网讯（通讯员 郝瑞）近日，2020年度神经信息处理系统大会（Conference on Neural Information Processing Systems，简称NeurIPS）公布了论文接收结果。电子工程学院邓成教授团队及陈渤教授团队的共4篇文章被会议录用，分别为邓成团队朱跃华博士、杨木李博士的 “Less is More: A Deep Graph Metric Learning Perspective Using Few Proxies”（入选为Spotlight，接收率仅3%）；杨旭博士的 “Adversarial Learning for Robust Deep Clustering”（Poster）。陈渤团队陈文超博士、王超杰博士以及本科生刘毅成的“Bidirectional Convolutional Poisson Gamma Dynamical System”（Poster）；王超杰博士、王东升博士的 “Deep Relational Topic Modeling via Graph Poisson Gamma Belief Network”（Poster）。

NeurIPS 2020共收到9454篇有效投稿，接收论文1900篇，接收率约20.1%，为历史新低，其中包含280篇Spotlight论文和105篇Oral论文。NeurIPS会议每年举办一次，作为公认的人工智能、神经计算领域国际顶级会议的翘楚，代表着当今人工智能研究的最高水平以及热门科研领域的最前沿，具有广泛而深远的国际影响力，受到来自学术界和工业界的共同关注。因疫情原因，NeurIPS 2020将原定在加拿大温哥华举行的本次会议，改为12月06日—12月12日线上举行。

据统计，NeurIPS 2020 会议稿/接收量国家排名前五位依次为：美国（1179篇）、中国（259篇）、英国（195篇）、加拿大（95篇）、瑞士（88篇）。在论文接收量全球机构排名中，谷歌以169篇排名第1、美国斯坦福大学以104篇排名全球第2、清华大学以63篇排名全球第7。在国内研究机构排名中，清华大学、北京大学分列前两名，西电以4篇第一作者单位论文数位列全国第7名。

朱跃华、杨木李合作的论文“Less is More: A Deep Graph Metric Learning Perspective Using Few Proxies”提出了一种基于反向标签传播的深度图度量学习网络，通过设计一个新颖的反向标签传播算法，首次成功将图分类范式融入到深度度量学习之中。值得一提的是，该方法可作为一个额外的损失函数附加于任意度量学习框架之上，具有很强的灵活性和泛化能力。该工作的创新性受到审稿人和领域主席的高度认可，并入选为大会的Spotlight。杨旭的论文“Adversarial Learning for Robust Deep Clustering”提出了一种无监督对抗聚类网络，首次尝试利用对抗攻击与防御方法提升深度聚类网络的鲁棒性。虑到深度聚类和无监督学习的脆弱性，该方法的优势在于能够对聚类网络进行“查漏补缺”，针对性的挖掘聚类网络的弱点，并进一步优化网络模型。陈文超与王超杰发表的研究，基于团队在深度概率统计模型方面的系列工作，提出了一种新的层次化动态概率统计模型Bidirectional Convolutional Poisson Gamma Dynamical Systems(bi-CPGDS)，针对one-hot编码的文本数据，不仅能够充分利用one-hot序列数据的稀疏性，并且将文本数据的word-sentence-document的层次化结构融入到模型中。值得注意的是此工作是本科生参与合作完成的，来自电院16级的刘毅成同学于2019年因为对相关方向的浓厚兴趣加入陈渤教授团队从事概率统计模型科研实习，本篇论文也是他继今年人工智能顶级会议IJCAI2020之后参与的又一篇成果。王超杰和王东升合作完成的研究，是在图网络研究日趋火热的背景下，针对非欧式空间下的图网络数据提出了一种新型的深度概率图网络模型 Graph Poisson Gamma Belief Network，能够将非欧式空间下样本间的逻辑关系融入到样本的隐层表示中，从而得到表征能力更丰富的样本隐层表示。

在计算机和人工智能领域，国际顶级会议一直都是衡量国际学术声誉的主要指标。近年来，电子工程学院坚持问题导向、目标导向、结果导向，聚焦学校“五大战略”，以服务学校“双一流”建设为牵引，努力提升学院国际学术影响力，通过多种举措引领广大教师走向国际舞台，力争在国际组织上有位置、在国际交流中有声音、在国际学术领域有话语权。此次电院4篇论文入选，意味着学院师生的研究成果得到了国际学术界的高度认可，有力扩大了西电在相关学术领域的国际影响力和知名度。