Page 7 - 《软件学报》2026年第4期
P. 7
1448 软件学报 2026 年第 37 卷第 4 期
验分布给出标签校正有效性条件, 再对满足条件的标签进行最大后验校正, 最后通过逐步缩小可信区间渐进校正
优化标签.
《全局与局部残差信息联合感知的可泛化图异常检测》提出全局和局部残差信息联合感知的可泛化图异常
检测方法, 在图神经网络 (graph neural network, GNN) 建模局部节点关系基础上引入线性 Transformer 模块, 再从
全局和局部视角构建残差, 最后将二者融合以构建数据集无关的通用节点表示.
《基于动量加速和任务均衡的目标检测对抗训练方法》提出基于 Nesterov 加速梯度的对抗训练方法, 设计自
适应损失重加权策略以均衡对抗样本的数量占比, 促进模型聚焦定位以增强鲁棒性.
《可解释深度学习的概念建模方法综述》对比了基于信息流与基于概念的两类可解释性方法, 围绕可解释深
度学习中的概念建模方法展开综述, 旨在为理解和构建语义可解释深度模型提供系统性参考与方法指引.
本专题主要面向人工智能、机器学习、数据挖掘等多领域的研究人员和工程人员, 反映了我国学者在高可信
自适应机器学习领域最新的研究进展. 感谢《软件学报》编委会和中国人工智能学会机器学习专委会对专题工作
的指导和帮助, 感谢专题全体评审专家及时、耐心、细致的评审工作, 感谢踊跃投稿的所有作者. 希望本专题能够
对高可信自适应机器学习相关领域的研究工作有所促进.
作者简介
王熙照, 博士, 教授, 博士生导师, 主要研究领域为机器学习.
张敏灵, 博士, 教授, 博士生导师, CCF 杰出会员, 主要研究领域为机器学习, 数据挖掘.
曹付元, 博士, 教授, 博士生导师, CCF 高级会员, 主要研究领域为数据挖掘, 机器学习.
