课题组与印度科学院院士 Nikhil R. Pal 合作的文章在 IEEE Transactions on Neural Networks and Learning Systems 在线发表
发布人:王健  发布时间:2020-05-12   浏览次数:293

课题组与印度统计研究所Nikhil R. Pal(印度科学院院士,IEEE Fellow)教授合作的研究成果《Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy》发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning SystemsSCI一区,IF: 11.683



王健副教授和博士生张华清为该论文共同第一作者, 蒲亦非教授通讯作者,中国石油大学(华东)为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基础研究经费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。特征选择技术也称属性选择,是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程,它是提高学习算法性能的一个关键手段,也是大数据技术的重要步骤。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制,在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时,控制所选特征子集的冗余程度,以达到降维的最优效果,从而使模型的方法能力更强,降低神经网络模型过拟合的风险。