研究團隊在深度學習泛化能力研究中獲進展

　　近日，中國科學院沈陽自動化研究所機器人學國家重點實驗室在深度學習泛化能力研究中取得進展，相關研究成果Depth selection for deep ReLU nets in feature extraction and generalization為題，發表在IEEE Transactions on Pattern Analysis and Machine Intelligence上。

　　深度學習是近年受到關注的研究領域，在人工智能與模式識別相關問題解決上表現出優越的性能。然而，隨著求解問題復雜度的提升，網絡深度也在加深。目前，該領域主要挑戰之一是挖掘網絡深度和求解問題復雜度之間的關系，明確網絡深度及其泛化能力。中國科學院沈陽自動化研究所研究員韓志等聯合西安交通大學教授林紹波、香港城市大學教授周定軒開展合作，通過在特征提取上深度-參數的平衡選擇，給出特征與網絡深度之間的相互適應性，證明了經典經驗風險極小化可使深度網絡達到學習任務最優泛化性能的結論。

　　機器人學國家重點實驗室機器人視覺研究組長期專注機器人視覺、人工智能與模式識別等方向的研究，在深度學習、機器人視覺復雜光照/天氣處理、機器人視覺表達、低秩矩陣/張量建模等方向取得系列創新性成果，在計算機視覺與模式識別領域的期刊與會議上發表論文，相關理論成果在一些國家重大工程項目中得到應用。

　　韓志為論文第一作者、博士生余思泉為論文第二作者。研究工作得到國家重點研發計劃，國家自然科學基金創新研究群體項目、重點項目，中科院青年創新促進會等的資助，并獲得機器人學國家重點實驗室的支持。