近日，实验室2019级博士生韩忠义一篇论文“Towards Accurate and Robust Domain Adaptation Under Multiple Noisy Environments”（作者：韩忠义，桂贤进，孙皓亮，尹义龙，李硕）被IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 录用。TPAMI是人工智能顶尖期刊，是中国计算机学会（CCF）推荐的人工智能领域A类期刊，是中科院一区TOP期刊，最新影响因子（IF）为24.31。

在许多非稳态环境中，机器学习算法通常会面临数据概率分布变化的场景。以前的域适应方法虽然取得了较大的成功，但在源域数据出现噪声时，会失去鲁棒性和泛化性。该研究报告了鲁棒噪声域自适应的最新尝试，首先对源域噪声环境进行理论分析，发现不同类型的噪声对期望目标风险产生了不同的影响。为了消除源域噪声的负面影响，该研究提出了离线课程学习以最大程度上减少一种新定义的经验源域风险，提出了一种基于代理分布的边缘差异以逐渐降低噪声分布距离，提出了一种能量估计器用于评估开集噪声实例的离群程度，还提出了一种鲁棒参数学习以进一步减轻源域噪声的负面影响并学习域不变特征表示。最后，该研究将这些模块无缝地转换为鲁棒对抗域自适应网络，实现了有效的联合优化。一系列关于基准数据集和COVID-19筛查任务的实证研究表明，该研究的算法明显优于以往最先进的算法，在多个任务上提升了10％以上的准确率。

山大视点链接：尹义龙教授团队发表关于域自适应的最新成果

论文链接：https://ieeexplore.ieee.org/abstract/document/9921307