近日，华中农业大学理学院陈洪教授机器学习团队以“Distribution-dependent feature selection for deep neural networks”为题，在Applied Intelligence发表研究论文。

当前，基于深度神经网络的特征选择算法大多构建在单模型框架下，而神经网络是一个典型的随机算法且往往会收敛到局部最优解。因此，此类算法的稳定性和精度仍有一定的提升空间。针对此类问题，本文将knockoff技术与多个神经网络相结合，提出了一种新的特征选择算法。该算法不仅能提升特征选择的一致性，还能一定程度上控制错选特征的数量以保证选择结果的准确性。应用上，模拟实验与日冕物质到达地球的建模任务从特征选择一致性、准确率、查全率等多角度验证了提出算法的出色性能。

华中农业大学理学院研究生赵学斌为本文的第一作者，理学院陈洪教授为通讯作者，理学院李伟夫副教授、信息学院王英杰博士生、国家空间科学中心陈艳红研究员等参与了论文的研究工作。