信息科學技術(shù)學院計算機科學系數(shù)據(jù)智能與腦機接口團隊在人工智能國際頂級期刊TPAMI發(fā)表論文
暨南大學融媒體中心訊 近日，暨南大學信息科學技術(shù)學院計算機科學系數(shù)據(jù)智能與腦機接口團隊在人工智能國際頂級期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（CCF-A，一區(qū)Top,IF=18.6）在線發(fā)表了題為“Local and High-Order Consistency Coding and Adaptation for Cross-Hypergraph Node Classification”的研究論文。暨南大學計算機科學系數(shù)據(jù)智能與腦機接口團隊吳漢瑞副教授為第一作者，龍錦益教授為通訊作者，香港浸會大學講席教授Michael K.Ng（吳國寶）和華南理工大學講席教授陳俊龍為合作作者。這是團隊近年來第三次在該期刊發(fā)表論文。
現(xiàn)有超圖節(jié)點分類方法通常假設(shè)存在少量有標注訓練節(jié)點。然而，在新形成的超圖中，收集標簽信息具有挑戰(zhàn)性且成本高昂。此外，現(xiàn)有方法主要利用局部一致性關(guān)系（即直接鄰居信息），而忽略了高階一致性關(guān)系（即高階鄰居信息），限制了特征表示的判別性。為此，團隊引入已有標注信息的源超圖來輔助新形成目標超圖的學習任務(wù)，實現(xiàn)跨超圖節(jié)點分類。具體來說，所提出方法聯(lián)合利用局部和高階一致性信息學習判別性特征，并通過對抗域自適應(yīng)和對比學習得到可遷移性特征。此外，團隊從數(shù)學理論層面推導出了所提出跨超圖濾波器的理論邊界。
超圖是一種描述實體高階結(jié)構(gòu)信息的有效工具，而腦機接口中EEG通道之間具有高階關(guān)聯(lián)關(guān)系。因此，可利用超圖構(gòu)建EEG通道的高階結(jié)構(gòu)，并利用上述工作處理跨被試的腦電信息分析問題。
該研究工作得到了國家自然科學基金（62576151,62206111,62276115）等項目的支持。
文章鏈接：https://ieeexplore.ieee.org/document/11478337
責編：常凱麗