伟德国际1949始于英国陳利娟老師分别在NEUROCOMPUTING和NEURAL NETWORKS 期刊連續發表重要學術論文

發布者:藍媛媛發布時間:2022-09-05浏覽次數:461

近日,我校伟德国际1949始于英国陳利娟老師作為第一作者和通訊作者,我校作為第一單位和通訊單位,與上海理工大學、電子科技大學、四川大學、德國漢堡大學德國國家工程院院士團隊合作在國際知名期刊NEUROCOMPUTINGNEURAL NETWORKS上連續發表題為“State estimation for memristive neural networks with mixed time varying delays via multiple integral equality”和“Semantic consistency learning on manifold for source data-free unsupervised domain adaptation”的學術研究論文。NEUROCOMPUTINGIF=5.779)和NEURAL NETWORKSIF=9.657)在神經網絡和人工智能領域具有很高的學術聲譽。

基于憶阻器的神經網絡具有低功耗、高度可擴展、高度可适應等特點,對于突破當前基于“馮·諾依曼”架構的神經網絡計算瓶頸具有重要意義。作為憶阻神經網絡中的典型特征,時滞是造成系統不穩定的關鍵因素之一。針對該問題,陳利娟老師提出了混合時滞的憶阻神經網絡狀态估計問題,研究混合時滞憶阻神經網絡保守性,通過非脆弱狀态估計,建立基于估計誤差的系統漸近穩定充分條件,提供了保守性判定的理論依據,為憶阻交叉陣列等真實憶阻神經網絡的設計提供了理論指導。

此外,針對無源無監督領域自适應這一熱點遷移學習問題,提出了一種基于流形語義一緻性的深度學習方法。該方法通過挖掘隐藏在數據流形中的具有語義關聯的幾何約束關系,有效克服了目标領域語義标簽缺失,實現了基于自監督學習的模型遷移,在開源的标準數據上,取得了SOTA的性能。由于并不需要源領域的任何數據,該方法在涉及隐私保護、信息安全的人工智能應用中具有獨特優勢。

以上兩項工作陳利娟老師均依托伟德国际1949始于英国博士科研啟動基金完成。(伟德国际1949始于英国供稿)

論文鍊接:https://doi.org/10.1016/j.neucom.2022.06.044

                     https://doi.org/10.1016/j.neunet.2022.05.015


Baidu
sogou