近日，天津科技大学人工智能学院社会计算与知识工程科研团队在机器学习领域取得进展，在计算机视觉与图像理解领域内国际顶级期刊《Computer Vision and Image Understanding》上发表了研究成果，这是该团队2年内第3篇被国际顶级刊物录用的学术论文。

论文在Capsule Network的基础上提出了一种自适应的胶囊层，Capsule Network被认为是未来可替换传统神经网络的一种新的神经网络，其设计更符合人类神经元的原理，具有更强的可解释性。论文提出的自适应胶囊层，用于生成高表征和高空间相关的胶囊向量，较之目前已存的胶囊网络而言更加高效和便捷。在SVHN、CIFRA-10和CIFAR-100相关数据集上分别达到了96.86%、92.02%和66.09%的精度。

此外被接收的两篇论文在网络数据的异常节点检测和超大规模数据的表示学习问题上提出了全新观点，分别被信息检索与数据挖掘领域的国际顶级会议（WSDM）和数据挖掘领域顶级学术会议（ICDM）接收。

针对社会网络中普遍存在个别节点在属性和结构模式方面异常行为，设计基于图神经网络的模型，融合社区结构捕获网络中存在的局部、全局和结构异常来准确挖掘潜在的异常节点，有效的提升了异常节点检测精度。针对超大规模网络数据表示学习问题，围绕如何有效挖掘网络中潜在的语义和高阶结构特征，学习低维的网络节点表征，进而促进下游的机器学习任务，如节点分类，兴趣推荐等。

天津科技大学人工智能学院重视研究生培养质量，注重科研成果培育，积极开展国际合作，主持获得6项省部级科研奖项，不断提升学院核心竞争力与学术影响力，高水平科研成果的产出也体现了学院大力推进科研团队建设、重视培育标志性科研成果的成效。

附论文全文链接：

https://ieeexplore.ieee.org/document/9338273/references#references;

https://dl.acm.org/doi/10.1145/3488560.3498389

撰稿人：宋琛

审稿人：宋绍玮 周泽超