近日，我校數(shù)學(xué)與信息科學(xué)學(xué)院機(jī)器學(xué)習(xí)與計(jì)算智能課題組在機(jī)器學(xué)習(xí)領(lǐng)域的研究取得進(jìn)展，最新成果“Robust Least Squares Twin Support Vector Machine With Adaptive Pinball Loss”被人工智能領(lǐng)域頂級(jí)期刊《IEEE Transactions on Neural Networks and Learning Systems》（2026 5年影響因子11.1）錄用并在線(xiàn)發(fā)表。邢紅杰教授為論文第一作者和通訊作者，王祎丹博士為共同通訊作者，博士生汪思維為第二作者。

該研究對(duì)機(jī)器學(xué)習(xí)領(lǐng)域中的魯棒損失函數(shù)進(jìn)行了探索，設(shè)計(jì)了一種新型的自適應(yīng)pinball損失函數(shù)，并將其引入最小二乘孿生支持向量機(jī)，提出了魯棒最小二乘孿生支持向量機(jī)，從理論角度證明了它的噪聲非靈敏性和算法收斂性，并從類(lèi)內(nèi)散度和錯(cuò)分誤差角度解釋了其目標(biāo)函數(shù)。實(shí)驗(yàn)結(jié)果表明，該模型具有高效的求解速度和優(yōu)異的抗噪聲能力。

《IEEE Transactions on Neural Networks and Learning Systems》由美國(guó)電氣和電子工程師協(xié)會(huì)（IEEE）于1990年創(chuàng)辦，其前身為《IEEE Transactions on Neural Networks》，是中科院一區(qū)TOP期刊，文章錄用率為17.2%，主要刊發(fā)神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)系統(tǒng)相關(guān)的最新研究成果，聚焦神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)及學(xué)習(xí)系統(tǒng)的理論與應(yīng)用，涵蓋計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理及智能系統(tǒng)等領(lǐng)域。

該研究工作得到了國(guó)家自然科學(xué)基金和河北省自然科學(xué)基金項(xiàng)目資助。

論文鏈接：https://ieeexplore.ieee.org/document/11343920

（數(shù)學(xué)與信息科學(xué)學(xué)院、科學(xué)與技術(shù)創(chuàng)新研究院 供稿）