实验室研究成果被TNNLS期刊录用
文章来源:  |  发布时间:2014-12-20  |  【 】 【打印】 【关闭】  |

  IEEE神经网络与学习系统会刊(IEEE Transactions on Neural Networks and Learning Systems,简称TNNLS)国际上具有学术影响力的高水平模式识别期刊之一。信息内容安全技术国家工程实验室张晓宇助理研究员完成的工作"Bidirectional active learning: a two-way exploration into unlabeled and labeled data set"被TNNLS录用。

  从样本数据流向的角度出发,现有绝大多数常用的主动学习算法都采用了"未标注→已标注"的"单向"处理流程--这从机器学习模型优化的途径来看,属于"获取新知识"的过程,称为"正向学习"。而研究表明,在实际应用中,适时地"检视已有知识"(即从模型出发反过来验证已标注信息可靠性以进一步增强学习)同样至关重要,这对应于一类全新的数据流转路径,称为"反向学习"。事实上,两者的有机结合才能完整地刻画出学习过程的全貌。为此,"Bidirectional active learning: a two-way exploration into unlabeled and labeled data set"一文提出并深入研究了一种新型的"双向主动学习"算法,通过正向学习与反向学习的优化融合实现更加高效的主动学习。如果说单向主动学习的有效性来源于对未标注样本的挖掘,那么双向主动学习的优势则在于对未标注和已标注样本的同步挖掘。该项工作获得了TNNLS审稿专家的一致认可,于2015年2月发表。

版权所有 © 信息内容安全技术国家工程实验室 备案序号:京ICP备00000000号
地址:北京市海淀区闵庄路甲89号 邮编:100093