近日，我校沐鸣平台陳利娟老師作為第一作者和通訊作者，我校作為第一單位和通訊單位⤵️👩❤️👩，與上海理工大學、電子科技大學、四川大學、德國漢堡大學德國國家工程院院士團隊合作在國際知名期刊NEUROCOMPUTING和NEURAL NETWORKS上連續發表題為“State estimation for memristive neural networks with mixed time varying delays via multiple integral equality”和“Semantic consistency learning on manifold for source data-free unsupervised domain adaptation”的學術研究論文。NEUROCOMPUTING（IF=5.779）和NEURAL NETWORKS（IF=9.657）在神經網絡和人工智能領域具有很高的學術聲譽🤹🏻♂️。
基於憶阻器的神經網絡具有低功耗、高度可擴展、高度可適應等特點👆🏼，對於突破當前基於“馮·諾依曼”架構的神經網絡計算瓶頸具有重要意義🧑🦰。作為憶阻神經網絡中的典型特征🧂，時滯是造成系統不穩定的關鍵因素之一。針對該問題🪑，陳利娟老師提出了混合時滯的憶阻神經網絡狀態估計問題，研究混合時滯憶阻神經網絡保守性，通過非脆弱狀態估計🏃♂️➡️，建立基於估計誤差的系統漸近穩定充分條件，提供了保守性判定的理論依據，為憶阻交叉陣列等真實憶阻神經網絡的設計提供了理論指導。
此外👩💼🙇♀️，針對無源無監督領域自適應這一熱點遷移學習問題，提出了一種基於流形語義一致性的深度學習方法。該方法通過挖掘隱藏在數據流形中的具有語義關聯的幾何約束關系，有效克服了目標領域語義標簽缺失👸🏿，實現了基於自監督學習的模型遷移🕞，在開源的標準數據上💂🏽♂️，取得了SOTA的性能。由於並不需要源領域的任何數據，該方法在涉及隱私保護、信息安全的人工智能應用中具有獨特優勢👐🏿🫶🏽。
以上兩項工作陳利娟老師均依托沐鸣注册博士科研啟動基金完成💁🏼。（沐鸣平台供稿）
論文鏈接🤏🏻：https://doi.org/10.1016/j.neucom.2022.06.044
https://doi.org/10.1016/j.neunet.2022.05.015