近日，光電學院控制科學與工程專業(yè)2019級李明博士在光電學院宋燕教授指導(dǎo)下的最新研究論文《多級評分模式下無向大規(guī)模稀疏網(wǎng)絡(luò)的潛在因子學習》（Latent factor learning under multiple rating patterns for undirected large-scaled and sparse networks )在第23屆工業(yè)技術(shù)國際會議 (The 23rd IEEE International Conference on Industrial Technology , IEEE IES ICIT 2022)上榮獲最佳論文獎。該論文第一作者為博士生李明，上海理工大學為第一單位，宋燕教授為唯一通訊作者。
隨著信息技術(shù)的快速發(fā)展，利用傳感器網(wǎng)絡(luò)進行地理信息采集與定位已經(jīng)變得十分普遍。而無線傳感器網(wǎng)絡(luò)是由大量無線傳感器件所構(gòu)成的，當這些無線傳感器部署在地下、水下或者高大建筑物密集的街區(qū)時，無線信號嚴重衰減或者接收不到。此時，無線傳感網(wǎng)中大量節(jié)點之間的距離信息就像一個高維無向的稀疏網(wǎng)絡(luò)，就需要通過挖掘該網(wǎng)絡(luò)中有限的已知信息，對大量的未知信息進行準確估計，實現(xiàn)被測物體的精準定位。
對此，該論文提出了一種多級評分模式下的潛在因子模型。通過構(gòu)建輔助等級矩陣，結(jié)合多情境下的數(shù)據(jù)信息，利用遷移學習的思想，促進了潛在信息的充分挖掘；運用交替更新的學習方法，加快了模型的訓練速度，最終提高了模型對缺失信息的預(yù)測精度。最后，在針對海底定位的真實數(shù)據(jù)集上進行仿真實驗，結(jié)果表明該論文所提出的模型明顯優(yōu)于現(xiàn)有的模型，同時也表明所估計的數(shù)據(jù)更加接近于真實數(shù)據(jù)，這一研究發(fā)現(xiàn)將會為計算機精準繪制地圖提供極大的幫助，可以用于工業(yè)、軍事、農(nóng)業(yè)、生物、醫(yī)療、經(jīng)濟等眾多領(lǐng)域，解決如無人機編隊飛行、購物平臺商品推薦、醫(yī)療系統(tǒng)健康管理等問題。
李明自讀博以來，在宋燕教授的悉心指導(dǎo)下開展人工智能與大數(shù)據(jù)技術(shù)方面的研究。截至目前，已發(fā)表中科院SCI一區(qū)期刊論文5篇(其中，IEEE匯刊論文4篇)，大數(shù)據(jù)領(lǐng)域國際會議論文5篇。
最佳論文獎獲獎證書
論文相關(guān)原理圖
供稿：光電學院
