西电新闻网讯（通讯员 陈渤）12月03日—12月08日，第32届神经信息处理系统大会(Neural Information Processing Systems, NeurIPS:https://neurips.cc/)在加拿大蒙特利尔会展中心隆重召开。神经信息处理系统会议是关于神经计算的主要会议，该会议是跨学科的，主要包括人工智能和自然神经信息处理，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。NeurIPS会议每年举办一次，是国际公认的机器学习和人工智能研究领域顶尖会议，代表着当今机器学习人工智能领域的最高水平，受到来自学术界和工业界的共同关注。NeurIPS大会不仅汇集了来自全世界各大高校的知名学者、科研人员，同时也吸引了众多工业界科技巨头，如Google、Microsoft、Facebook、IBM、Amazon、NVIDIA、Uber和Intel，以及阿里巴巴、百度、网易、华为和字节跳动等知名中国企业。众多科学家在一周时间内齐聚一堂发布最新研究，就机器学习、人工智能等多个研究领域的热点内容和成果进行深入的探讨，并预测新的研究方向，会议所探讨的技术往往在未来几年就会演变成真正的研究甚至应用成果。

论文作者合影（从左到右：UTAustin周名远教授，张昊，郭丹丹，陈渤教授）

张昊博士、郭丹丹博士在国际会议上作海报讲解

本届NeurIPS会议录用论文1010篇，录用率为25%，参会人数达到8000人，创历史记录。作为国际顶尖会议，NeurIPS对论文质量有较高要求，因此在该会议发表论文表达了对作者工作的高度肯定。在中国计算机学会的国际学术会议排名中，NIPS属于人工智能领域的A类会议。本年度，仅有大约10多篇来自国内高校的文章，如清华大学、北京大学、南京大学和西安电子科技大学等。今年，我校雷达信号处理国家级重点实验室陈渤教授指导的博士生郭丹丹和张昊，提出了深度泊松伽马动态系统的相关论文，“Deep Poisson Gamma Dynamical Systems”，被会议录用，并受邀做相关poster展示。该工作延续了团队过往分别发表于NIPS2015的深度概率统计模型，ICML2017的针对大数据的概率统计深层网络的快速学习方法，以及ICLR2018的深度自编码主题模型的工作，聚焦于动态数据的深度学习建模，并展示了深度概率模型相对于浅层表示在对时间动态序列数据建模时所带来的优势。模型在多个实测数据上得到验证，获得较好的性能，同时通过所设计的参数推理技术加快了收敛速度，较大提升了概率深度网络的实用性。通过参加该次盛会，团队不仅向国际同行展示了雷达信号处理国家级重点实验室师生在机器学习领域的研究能力和研究成果，扩大了实验室的学术影响力，而且促进了实验室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。

论文工作详情请参考陈渤教授主页：http://web.xidian.edu.cn/bchen/