近日，全球人工智能顶级学术会议(CCF A类)AAAI（Association for the Advancement of Artificial Intelligence）录用本研究组学术论文《Error-based Knockoffs Inference for Controlled Feature Selection》，2020级硕士研究生赵学斌是该篇论文第一作者，陈洪教授是该篇论文唯一通讯作者。本次会议共收到9251篇投稿，创下AAAI投稿量的历史纪录；最终接收1349篇论文，录取率为15.0％。

   文章提出了一种基于模型误差和Knockoff特征构建的特征选择算法，同时建立了算法的理论分析并提供经验评估。高维条件下的可控的特征算法在机器学习领域引起了广泛关注。然而，大多数算法依赖于大样本渐进理论且需要对自变量和因变量的关系作出某种假设。针对该问题，研究以高维, 有限样本, 无模型假设条件下的可控特征选择为目标，基于Knockoff特征和模型误差构建一个新的特征重要性度量。可控性上，借助多重假设检验理论, 可以实现对特征选择结果FDP, FDR 或 k-FWER的控制。理论上，结合中心极限定理和矩阵范数不等式给出了算法的功效分析。应用上，在模拟和真实数据实验中从可控性与算法功效等多角度验证了构建算法的出色性能。

 
  该研究得到了国家自然科学基金面上项目的资助，信息学院博士研究生王英杰，理学院李伟夫老师，西安交通大学龚铁梁老师，信息学院王玉龙老师与南方科技大学郑锋老师也参与了论文的研究工作。此外，另一篇陈洪教授参与的合作论文《Regularized Modal Regression on Markov-dependent Observations: A Theoretical Assessment》也被录用。