近日，我院金军委博士在人工智能领域国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》上发表题为“Flexible Label-Induced Manifold Broad Learning System for Multiclass Recognition”（DOI: 10.1109/TNNLS.2023.3291793）的学术论文，河南工业大学为第一署名单位。

论文围绕多类别识别任务中已有宽度学习系统模型在对监督信息及数据分布拟合方面的不足展开研究，在流形学习框架下创新地提出了弹性标注导引的宽度学习系统模型构建思想。与现有模型相比，论文所提的弹性标注不仅能够引导不同的数据样本在分类过程中保持合理的间隔，提高模型对数据内在结构信息的挖掘能力，还通过几何流形约束的引入赋予模型对数据局部特征信息的保持能力。在此基础上，讨论了所提模型建模的机理及其高效优化求解上的理论与算法问题。通过大量对比实验对模型的优越性进行了验证测试，进一步讨论了模型中的不同参数对最终分类性能的影响，寻找出最优的参数选择。该研究不但能够为多类别模式识别研究提供新的理论和方法，而且对计算机视觉、自然语言处理及智能医疗诊断等领域有重要的理论意义和应用价值。

《IEEE Transactions on Neural Networks and Learning Systems》（TNNLS）由美国电气和电子工程师协会（IEEE）创办，是机器学习、信息科学、人工智能交叉学科领域的顶级期刊，主要发表关于神经网络和相关学习系统的理论、设计和应用的学术论文，最新影响因子10.4，中科院分区一区，TOP期刊。