近日，计算机科学与工程学院（网络空间安全学院）杨国武教授团队先后在人工智能领域顶级期刊TPAMI、TIP和CCF A类会议KDD、ICCV发表一系列高水平研究成果。
论文《Noisy Label Learning With Provable Consistency for a Wider Family of Losses》被CCF人工智能领域A类期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）接收。博士生刘德富为第一作者，杨国武教授为通讯作者。
该论文研究了机器学习中的标签噪声学习问题。标签噪声学习是机器学习领域的热点问题之一，为了解决深度模型过度拟合训练集的错误标签，受量子叠加特性的启发，该论文设计了一个动态标签学习算法来训练深度模型，可以利用大量为传统深度学习设计的损失函数进行标签噪声学习，甚至是交叉熵损失函数（交叉熵损失函数被证明在传统深度学习算法下不具备标签噪声鲁棒性）。论文从理论上证明提出的动态标签算法具有良好的噪声鲁棒性，能在有噪声的训练集中有效地收敛到最优模型，并且该算法不依赖于损失函数和标签分布。实验结果不仅验证了本文对该方法的理论分析的正确性，还表明了本文设计的动态标签学习算法明显优于当前标签噪声学习的其他先进算法，也表明该算法具有良好的鲁棒性、扩展性和通用性。
TPAMI是计算机视觉和人工智能领域公认的顶级国际期刊，是中国计算机学会（CCF）推荐的A类期刊，在2023年的影响因子是23.6。主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。在TPAMI上发表的文章对于人工智能领域的研究人员和从业者来说都具有很高的参考价值。
