近日，電信院博士生吳彥學(xué)以第一作者身份撰寫(xiě)的學(xué)術(shù)論文“Generalized Active Stratified Sampling for Non-IID Data”被《IEEE Transactions on Knowledge and Data Engineering》錄用（以下簡(jiǎn)稱(chēng)TKDE），通訊作者是電信院副院長(zhǎng)汪敏教授。
TKDE是數(shù)據(jù)挖掘、數(shù)據(jù)庫(kù)系統(tǒng)、知識(shí)工程和人工智能領(lǐng)域的頂級(jí)國(guó)際學(xué)術(shù)期刊。作為電氣電子工程師學(xué)會(huì)（IEEE）計(jì)算機(jī)學(xué)會(huì)旗下的匯刊，TKDE被評(píng)為CCF-A和中科院計(jì)算機(jī)科學(xué)大類(lèi)一區(qū)Top期刊，在學(xué)術(shù)界和工業(yè)界均享有極高的聲譽(yù)，是相關(guān)領(lǐng)域研究人員發(fā)表高質(zhì)量成果的首選目標(biāo)之一。TKDE通常審稿周期較長(zhǎng)，錄用率較低，要求論文在理論深度、創(chuàng)新性、實(shí)驗(yàn)完備性上都有卓越表現(xiàn)。
現(xiàn)實(shí)場(chǎng)景下可能存在數(shù)據(jù)分布與理論分布不一致的問(wèn)題，常規(guī)的人工智能模型在遇到這種情況可能失效。該研究提出泛化主動(dòng)分層抽樣（Generalized Active Stratified Sampling，GASS）策略以解決這一問(wèn)題，其基本思想是借助抽樣策略校正數(shù)據(jù)分布逼近理論分布。具體地，GASS在迭代抽樣過(guò)程中重新平衡了不同類(lèi)別的樣本數(shù)量。該研究也系統(tǒng)性考查了GASS的理論基礎(chǔ)，包括其統(tǒng)計(jì)學(xué)來(lái)源、均值/方差分析、泛化性能以及擾動(dòng)魯棒性。GASS最具價(jià)值的地方在于，它可與其他人工智能方法結(jié)合以提升相關(guān)模型的泛化性與有效性。
近年來(lái)，電信院始終堅(jiān)持以立德樹(shù)人為根本任務(wù)，持續(xù)強(qiáng)化研究生科研創(chuàng)新能力培養(yǎng)。通過(guò)優(yōu)化導(dǎo)師指導(dǎo)機(jī)制、搭建高水平科研平臺(tái)、鼓勵(lì)原創(chuàng)性基礎(chǔ)研究，在油氣田智慧化、智能電網(wǎng)等方向取得一系列重要進(jìn)展。此次博士生在IEEE TKDE發(fā)表論文，實(shí)現(xiàn)了學(xué)院在該頂級(jí)期刊上零的突破。
