7月13日至14日，第十届脑启发认知系统国际会议（The 10th International Conference on Brain-Inspired Cognitive Systems以下简称BICS 2019）在中国广州举行。会上，中国海洋大学信息科学与工程学院仲国强老师及其团队发表了论文“Long Short-Term Attention”（长短时注意模型），该论文被评为会议最佳论文。

长短时记忆网络(LSTM) 是一种能够学习信息长期依赖关系的循环神经网络，它非常适用于处理序列数据相关的问题。传统的LSTM模型虽然能够记住序列信息，但不能特别注意到序列的重要部分。为了克服LSTM模型的不足并提高其性能，仲国强老师及其团队提出了一种新的序列学习模型--长短时注意(LSTA)模型。该模型将注意力机制嵌入到长短时记忆网络(LSTM)的记忆单元内部，它不仅可以处理长期和短期的依赖关系，还可以利用注意力机制关注到序列中的重要信息。论文中大量实验结果表明，在多个序列学习任务中LSTA模型的性能都优于LSTM和其它相关模型。基于该论文的科学价值和实验性能，最终该论文被评为最佳会议论文。

BICS是脑启发神经计算方面的重要国际会议，随着人工智能和类脑计算的快速发展，受到了全世界相关领域研究人员的广泛关注，今年共收到来自美国、英国、中国香港等国家和地区的投稿论文120余篇，100余人参会，经过两天的口头报告和墙报展示，大会评出最佳会议论文4篇和最佳墙报展示论文3篇。

编辑：冀春鑫