近日，西南財(cái)經(jīng)大學(xué)計(jì)算機(jī)與人工智能學(xué)院可信人工智能與行業(yè)大數(shù)據(jù)創(chuàng)新團(tuán)隊(duì)（新財(cái)經(jīng)綜合實(shí)驗(yàn)室）傳來(lái)喜訊：博士生胡業(yè)勛（導(dǎo)師：蔣太翔教授）的研究論文《Separable Decomposition for Ragged Tensors》被人工智能領(lǐng)域頂級(jí)期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（簡(jiǎn)稱(chēng)TPAMI）正式接收。該成果由西南財(cái)經(jīng)大學(xué)牽頭，聯(lián)合香港浸會(huì)大學(xué)吳國(guó)寶教授、電子科技大學(xué)趙熙樂(lè)教授團(tuán)隊(duì)共同完成，蔣太翔教授擔(dān)任通訊作者。
該論文面向不規(guī)則高維數(shù)據(jù)提出了全新的不規(guī)則張量可分分解方法。該方法從不規(guī)則數(shù)據(jù)元素級(jí)視角出發(fā)，巧妙構(gòu)建數(shù)據(jù)元素與特定張量CP分解因子的直接關(guān)聯(lián)，并通過(guò)二元權(quán)重張量定義數(shù)據(jù)不規(guī)則幾何域，同時(shí)基于近端交替最小化框架設(shè)計(jì)行解耦的高效求解算法，在求解過(guò)程中實(shí)現(xiàn)算法與不規(guī)則數(shù)據(jù)幾何結(jié)構(gòu)的直接交互。相較于傳統(tǒng)張量分解方法，此方法能夠靈活挖掘任意維可變長(zhǎng)的不規(guī)則數(shù)據(jù)幾何結(jié)構(gòu)并直接刻畫(huà)數(shù)據(jù)全局低維特性。在多種高維數(shù)據(jù)復(fù)原任務(wù)中表現(xiàn)出了極佳的復(fù)原性能與計(jì)算效率。
TPAMI主要收錄涵蓋計(jì)算機(jī)視覺(jué)、模式識(shí)別、機(jī)器學(xué)習(xí)等方向的原創(chuàng)性研究成果，在人工智能領(lǐng)域具有極高的學(xué)術(shù)影響力。該期刊最新影響因子為18.6，是CCF-A類(lèi)推薦、中科院一區(qū)TOP期刊。
新財(cái)經(jīng)綜合實(shí)驗(yàn)室由西南財(cái)經(jīng)大學(xué)和中國(guó)農(nóng)業(yè)銀行2021年聯(lián)合成立，劉貴松教授擔(dān)任實(shí)驗(yàn)室主任。實(shí)驗(yàn)室聚焦可信人工智能基礎(chǔ)理論、財(cái)經(jīng)科技及數(shù)字經(jīng)濟(jì)深度融合等領(lǐng)域開(kāi)展有組織科研和人才培養(yǎng)，近三年實(shí)驗(yàn)室持續(xù)在多個(gè)頂會(huì)和頂刊發(fā)表最新科研成果，包括IEEE TPAMI、IEEE TIP、IEEE TKDE、IJCV、CVPR、NeurIPS、ICDE、AAAI、IJCAI等。團(tuán)隊(duì)現(xiàn)有教師16人、本碩博學(xué)生和博士后近80人。
