江苏开放大学

• 

  2024/06/06

  近日，信息化建设处魏子涵老师设计了一种基于动量更新对比学习的多模态知识图谱推荐算法，有效解决了视觉文本两种类型表征不一致性的问题。相关工作以《M3KGR: A Momentum Contrastive Multi-Modal Knowledge Graph Learning Framework for Recommendation》为题发表在《Information Sciences》（中科院SCI期刊计算机科学1区TOP；CCF B类推荐期刊；影响因子：8.1）上。该研究针对多模态推荐系统中常见的视觉文本表征不一致、对比学习技术引入知识图谱后带来误判负样本等问题，设计了一种基于动量更新对比学习的多模态知识图谱推荐算法M3KGR。该研究主要包含四个部分：（1）设计了一个模块，将多模态预训练模型和多模态加强注意力机制结合在一起；（2）设计了一种基于队列的动量更新机制，通过动态更新队列和编码器，在扩大负样本数量的同时保证编码器参数的连续性；（3）针对由于数据稀疏的推荐数据集导致部分扩充的负样本与正样本相似度较高带来的采样偏差问题，设计了一种Instance Weighting方法，通过对这

  信息化建设处魏子涵老师研究成果在中科院一区TOP期刊《Information Sciences》发表

  近日，信息化建设处魏子涵老师设计了一种基于动量更新对比学习的多模态知识图谱推荐算法，有效解决了视觉文本两种类型表征不一致性的问题。相关工作以《M3KGR: A Momentum Contrastive Multi-Modal Knowledge Graph Learning Framework for Recommendation》为题发表在《Information Sciences》（中科院SCI期刊计算机科学1区TOP；CCF B类推荐期刊；影响因子：8.1）上。该研究针对多模态推荐系统中常见的视觉文本表征不一致、对比学习技术引入知识图谱后带来误判负样本等问题，设计了一种基于动量更新对比学习的多模态知识图谱推荐算法M3KGR。该研究主要包含四个部分：（1）设计了一个模块，将多模态预训练模型和多模态加强注意力机制结合在一起；（2）设计了一种基于队列的动量更新机制，通过动态更新队列和编码器，在扩大负样本数量的同时保证编码器参数的连续性；（3）针对由于数据稀疏的推荐数据集导致部分扩充的负样本与正样本相似度较高带来的采样偏差问题，设计了一种Instance Weighting方法，通过对这
• 

  2024/04/10

  在大量含有高质量标注的大规模数据集的帮助下，深度神经网络在诸多人工智能领域已取得巨大的成功。然而真实世界的数据集往往存在大量具有不准确标注的样本（噪声标签样本），深度神经网络因为其强大的拟合能力，易过拟合这类样本，导致泛化性能和判别性能的降低。因此噪声标签学习成为计算机视觉领域的一个热点研究。近期，信息工程学院教师张迁及合作者提出了一类新的面向深度神经网络的噪声标签学习策略C2MT。该策略结合噪声标签类别均衡策略MBS可以降低深度神经网络在噪声样本筛选过程中对噪声先验信息的敏感性，增强网络模型对噪声标签的鲁棒性。通过在多个含有合成噪声标签的数据集和真实世界数据集上的大量实验，论证了所提出的新的噪声标签学习框架的有效性。相关研究进展以《Cross-to-Merge Training with Class Balance Strategy for Learning with Noisy Labels》为题发表在《Expert Systems with Applications》(中科院SCI期刊计算机科学类1区TOP，CCF推荐期刊；IF：8.5)，相关研究内容及核心代码已全部开源。该研究

  信息工程学院教师在面向深度神经网络的噪声标签学习研究中取得一定进展

  在大量含有高质量标注的大规模数据集的帮助下，深度神经网络在诸多人工智能领域已取得巨大的成功。然而真实世界的数据集往往存在大量具有不准确标注的样本（噪声标签样本），深度神经网络因为其强大的拟合能力，易过拟合这类样本，导致泛化性能和判别性能的降低。因此噪声标签学习成为计算机视觉领域的一个热点研究。近期，信息工程学院教师张迁及合作者提出了一类新的面向深度神经网络的噪声标签学习策略C2MT。该策略结合噪声标签类别均衡策略MBS可以降低深度神经网络在噪声样本筛选过程中对噪声先验信息的敏感性，增强网络模型对噪声标签的鲁棒性。通过在多个含有合成噪声标签的数据集和真实世界数据集上的大量实验，论证了所提出的新的噪声标签学习框架的有效性。相关研究进展以《Cross-to-Merge Training with Class Balance Strategy for Learning with Noisy Labels》为题发表在《Expert Systems with Applications》(中科院SCI期刊计算机科学类1区TOP，CCF推荐期刊；IF：8.5)，相关研究内容及核心代码已全部开源。该研究
• 

  2024/01/02

  近日，江苏省生态环境厅公布了江苏省生态环境保护重点实验室、工程技术中心建设名单，以我校为依托单位，联合南大环境规划设计研究院（江苏）有限公司申报的“江苏省生态环境保护城乡水环境治理低碳发展工程技术中心”成功获批。江苏省生态环境保护城乡水环境治理低碳发展工程技术中心由副校长张晓领衔，集聚环境生态学院和南大环规院绿色能源与低碳发展研究中心研究团队力量，立足“双碳”战略,以减污降碳协同增效治理为目标，开展基于技术手段和自然手段相结合的城乡污水处理低碳发展理论与技术研究，对实现城乡污水处理全生命周期低碳处理具有重要意义。工程技术中心是学校高水平科研平台建设的重要组成部分，是学校实施“科技培元”行动的重要路径。工程技术中心将紧密结合我省生态环境保护工作需求，凝练研究方向，完善科研团队，培育特色项目，促进产教融合、科教融汇，为提升学校服务江苏高质量发展能力贡献力量。（文/图：吴忌；审核：唐荣）

  喜报：我校获批江苏省生态环境保护工程技术中心

  近日，江苏省生态环境厅公布了江苏省生态环境保护重点实验室、工程技术中心建设名单，以我校为依托单位，联合南大环境规划设计研究院（江苏）有限公司申报的“江苏省生态环境保护城乡水环境治理低碳发展工程技术中心”成功获批。江苏省生态环境保护城乡水环境治理低碳发展工程技术中心由副校长张晓领衔，集聚环境生态学院和南大环规院绿色能源与低碳发展研究中心研究团队力量，立足“双碳”战略,以减污降碳协同增效治理为目标，开展基于技术手段和自然手段相结合的城乡污水处理低碳发展理论与技术研究，对实现城乡污水处理全生命周期低碳处理具有重要意义。工程技术中心是学校高水平科研平台建设的重要组成部分，是学校实施“科技培元”行动的重要路径。工程技术中心将紧密结合我省生态环境保护工作需求，凝练研究方向，完善科研团队，培育特色项目，促进产教融合、科教融汇，为提升学校服务江苏高质量发展能力贡献力量。（文/图：吴忌；审核：唐荣）

• 信息化建设处魏子涵老师研究成果在中科院一区TOP期刊《Information Sciences》发表
  2024-06-06
  近日，信息化建设处魏子涵老师设计了一种基于动量更新对比学习的多模态知识图谱推荐算法，有效解决了视觉文本两种类型表征不一致性的问题。相关工作以《M3KGR: A Momentum Contrastive Multi-Modal Knowledge Graph Learning Framework for Recommendation》为题发表在《Information Sciences》（中科院SCI期刊计算机科学1区TOP；CCF B类推荐期刊；影响因子：8.1）上。该研究针对多模态推荐系统中常见的视觉文本表征不一致、对比学习技术引入知识图谱后带来误判负样本等问题，设计了一种基于动量更新对比学习的多模态知识图谱推荐算法M3KGR。该研究主要包含四个部分：（1）设计了一个模块，将多模态预训练模型和多模态加强注意力机制结合在一起；（2）设计了一种基于队列的动量更新机制，通过动态更新队列和编码器，在扩大负样本数量的同时保证编码器参数的连续性；（3）针对由于数据稀疏的推荐数据集导致部分扩充的负样本与正样本相似度较高带来的采样偏差问题，设计了一种Instance Weighting方法，通过对这
  查看详情
• 信息工程学院教师在面向深度神经网络的噪声标签学习研究中取得一定进展
  2024-04-10
  在大量含有高质量标注的大规模数据集的帮助下，深度神经网络在诸多人工智能领域已取得巨大的成功。然而真实世界的数据集往往存在大量具有不准确标注的样本（噪声标签样本），深度神经网络因为其强大的拟合能力，易过拟合这类样本，导致泛化性能和判别性能的降低。因此噪声标签学习成为计算机视觉领域的一个热点研究。近期，信息工程学院教师张迁及合作者提出了一类新的面向深度神经网络的噪声标签学习策略C2MT。该策略结合噪声标签类别均衡策略MBS可以降低深度神经网络在噪声样本筛选过程中对噪声先验信息的敏感性，增强网络模型对噪声标签的鲁棒性。通过在多个含有合成噪声标签的数据集和真实世界数据集上的大量实验，论证了所提出的新的噪声标签学习框架的有效性。相关研究进展以《Cross-to-Merge Training with Class Balance Strategy for Learning with Noisy Labels》为题发表在《Expert Systems with Applications》(中科院SCI期刊计算机科学类1区TOP，CCF推荐期刊；IF：8.5)，相关研究内容及核心代码已全部开源。该研究
  查看详情
• 喜报：我校获批江苏省生态环境保护工程技术中心
  2024-01-02
  近日，江苏省生态环境厅公布了江苏省生态环境保护重点实验室、工程技术中心建设名单，以我校为依托单位，联合南大环境规划设计研究院（江苏）有限公司申报的“江苏省生态环境保护城乡水环境治理低碳发展工程技术中心”成功获批。江苏省生态环境保护城乡水环境治理低碳发展工程技术中心由副校长张晓领衔，集聚环境生态学院和南大环规院绿色能源与低碳发展研究中心研究团队力量，立足“双碳”战略,以减污降碳协同增效治理为目标，开展基于技术手段和自然手段相结合的城乡污水处理低碳发展理论与技术研究，对实现城乡污水处理全生命周期低碳处理具有重要意义。工程技术中心是学校高水平科研平台建设的重要组成部分，是学校实施“科技培元”行动的重要路径。工程技术中心将紧密结合我省生态环境保护工作需求，凝练研究方向，完善科研团队，培育特色项目，促进产教融合、科教融汇，为提升学校服务江苏高质量发展能力贡献力量。（文/图：吴忌；审核：唐荣）
  查看详情