近日，本组在人工智能国际会议The 32nd International Joint Conference on Artificial Intelligence （IJCAI2023，CCF A类）发表题为“Generalization Bounds for Adversarial Metric Learning”的研究论文。该文章从人脸识别、信息检索等应用基础——度量学习出发，利用统计学习理论首次分析了成对样本的对抗学习算法的鲁棒性和泛化性，为相关应用提供了理论指导。

图1. 对抗度量学习算法在不同映射维度（d'）下的经验泛化误差

图2. 对抗度量学习算法在施加L_1正则(λ≠0)和无L_1正则(λ=0)约束下的经验泛化误差

  硕士生文雯为该论文第一作者，李函副教授为论文通讯作者，信息学院武玲娟副教授等参与了实验设计工作，陈洪教授指导了研究选题及论文撰写工作。该项工作得到国家自然科学基金、中央高校基本科研业务经费资助。

详情参见：我校在对抗机器学习领域取得新进展-华中农业大学-信息学院 (hzau.edu.cn)