近日，我院黑新宏教授团队在人工智能半监督深度学习方面取得了重要进展，并在人工智能领域国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》(IEEE TNNLS)发表了题为“Transductive Semisupervised Deep Hashing”（直推式半监督深度哈希编码方法）的论文。

我院青年教师石伟伟博士为论文的第一作者。我校为论文的第一完成单位，合作单位包括西安交通大学软件学院、西安交通大学人工智能与机器人研究所。该项工作得到国家自然科学基金项目和陕西省重点研发计划项目的资助。

该论文的主要贡献在于：（1）将传统的直推式半监督学习原理拓展并应用到了基于深度卷积神经网络的哈希编码方法中。（2）为无标注训练样本引入了置信度概念，从而能够大幅度减小奇异样本和不确定样本对训练过程的不利影响。（3）提出采用高斯似然函数显式地使得相似的图像样本对之间有较小的哈希距离。（4）提出带置信度的 Large-Margin 特征正则项，使得在特征空间中具有相似语义的图像彼此靠近，具有不同语义的图像之间的间隔至少要大于一个预先设定的阈值。

该论文现已经在《IEEE TNNLS》期刊的Early Access 在线发表。

论文链接：https://ieeexplore.ieee.org/document/9349163

注：《IEEE Transactions on Neural Networks and Learning Systems》是机器学习、神经网络以及人工智能领域的顶级期刊之一，期刊影响因子为10.451，中科院分区一区。