近日，機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際頂級(jí)會(huì)議Neural Information Processing Systems（NIPS/NeurIPS）2019錄用劉威威教授研究組一篇論文，題目是“Copula Multi-label Learning”。劉威威老師是該篇論文唯一作者。

多標(biāo)簽學(xué)習(xí)中一個(gè)挑戰(zhàn)性的問(wèn)題是如何對(duì)標(biāo)簽以及特征之間的關(guān)系建模?，F(xiàn)在有很多種方法都在嘗試解決這個(gè)問(wèn)題，但是人們對(duì)這些方法的統(tǒng)計(jì)性質(zhì)還是不清楚。Copulas是建立多元數(shù)據(jù)相關(guān)性模型的有力工具，并且在金融、計(jì)量經(jīng)濟(jì)學(xué)和系統(tǒng)神經(jīng)科學(xué)等廣泛應(yīng)用中取得巨大成功。論文提出了一個(gè)新穎的Copula多標(biāo)簽學(xué)習(xí)范式來(lái)對(duì)標(biāo)簽和特征之間的相互依賴(lài)關(guān)系建模?；贑opula的學(xué)習(xí)范式能夠?yàn)槎鄻?biāo)簽學(xué)習(xí)提供一個(gè)新的統(tǒng)計(jì)視角。特別地，本文首先利用核技術(shù)在輸出空間中構(gòu)造連續(xù)分布。然后對(duì)提出的模型進(jìn)行半?yún)?shù)化估計(jì)，其中對(duì)Copula進(jìn)行參數(shù)化估計(jì)，而對(duì)邊際分布進(jìn)行非參數(shù)化估計(jì)。理論上，論文證明了研究組提出的估計(jì)量是一個(gè)一致無(wú)偏估計(jì)量，并且證明了估計(jì)量漸近服從正態(tài)分布。此外，論文還給出了估計(jì)量的均方誤差的上界。最后，不同領(lǐng)域的實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的優(yōu)越性。

Neural Information Processing Systems（NIPS/NeurIPS）是目前人工智能領(lǐng)域及機(jī)器學(xué)習(xí)領(lǐng)域最有影響力的頂級(jí)會(huì)議。這是437bwin必贏國(guó)際官網(wǎng)首次以第一作者單位在NIPS上發(fā)表論文，也是湖北省高校中唯一一篇NIPS論文。

此外，劉威威老師作為第一作者的論文“Sparse Extreme Multi-label Learning with Oracle Property”在機(jī)器學(xué)習(xí)另一個(gè)頂級(jí)學(xué)術(shù)會(huì)議The International Conference on Machine Learning (ICML) 2019會(huì)議上發(fā)表，這也是437bwin必贏國(guó)際官網(wǎng)首次以第一作者單位在ICML上發(fā)表論文。它將有力地推進(jìn)人工智能以及機(jī)器學(xué)習(xí)學(xué)科的前沿性研究工作，擴(kuò)大學(xué)院在人工智能以及機(jī)器學(xué)習(xí)的學(xué)術(shù)影響力。

（供稿人：劉威威）