近期，华中农业大学信息学院陈洪教授在人工智能领域TOP期刊《Expert Systems With Applications》（期刊简称“ESWA”，中科院期刊分区为计算机科学一区Top，影响因子为8.5）发表学术论文。该成果以“Error Density-dependent Empirical Risk Minimization”为题，创新地设计出了依赖于样本损失密度信息的稳健度量，减轻了经验风险最小化（ERM）对数据中可能包含的噪声与异常值的敏感性。

基于平方损失的经验风险最小化已成为设计学习算法的最流行原则之一。然而，经验风险最小化下现有的均值回归模型由于对非典型观测（如异常值）的敏感性，通常泛化性能较差。为了减轻这种敏感性，已有不少学者提出了一些解决方案，通过利用误差值与不同观测值的定量关系来形成稳健的学习目标。本文不再关注误差值，而是考虑误差密度来揭示观测样本的结构信息，并提出了一个新的学习目标，称为依赖误差密度的经验风险最小化（EDERM），用于复杂数据环境下的稳健回归。性质探讨与实验分析充分验证了所提出的基于EDERM的学习模型的稳健性和竞争力。

我校信息学院陈洪教授为论文第一作者兼通讯作者，2022级博士张学林等参与了论文的撰写工作。该工作获得国家自然科学基金面上项目，华中农业大学校自主创新基金和信息学院科研团队项目的支持。