近日，我院易長安博士以第一作者身份在人工智能領(lǐng)域的頂級期刊IEEE Transactions on Neural Networks and Learning Systems(TNNLS)在線發(fā)表了題為Multicomponent Adversarial Domain Adaptation: A General Framework的學(xué)術(shù)論文。我校為該論文的第一單位，山東大學(xué)的徐庸輝教授和新加坡南洋理工大學(xué)的于涵教授等人合作撰寫。

遷移學(xué)習(xí)相當(dāng)于人類的“舉一反三”機(jī)制，是人工智能領(lǐng)域的主要研究方向之一。傳統(tǒng)的研究方法受樣本標(biāo)簽的影響較大，但是，此論文突破了該限制。此論文提出了一種基于特征內(nèi)在關(guān)聯(lián)的對抗遷移學(xué)習(xí)方法，認(rèn)為不同標(biāo)簽的樣本特征之間具有某種隱含的關(guān)聯(lián)，并且對這種關(guān)聯(lián)進(jìn)行了深入挖掘。此論文在不同的真實(shí)數(shù)據(jù)上驗(yàn)證了方法的有效性、優(yōu)越性，并且進(jìn)行了理論證明。

TNNLS期刊由國際電氣和電子工程師協(xié)會(IEEE)，是人工智能領(lǐng)域的頂級期刊、中科院SCI一區(qū)TOP期刊，影響因子為14.255。