1月23日，第13届“国际学习表征会议” International Conference on Learning Representations (ICLR) 公布了2025年论文录用结果。计算机科学与技术系吕庚育、杨震教授团队指导的博士生林约拿以第一作者身份在ICLR 2025会议发表论文。这是我院学生首次以第一作者身份在该顶级国际会议上发表论文。
论文《Enhance Multi-View Classification through Multi-Scale Alignment and Expanded Boundary》展示了团队在多视图学习领域的最新研究成果。以往研究通常通过学习共享子空间来处理多视图数据的异质性，而忽略了利用不同类之间的差异性划分可靠的决策边界，因此这些方法难以实现良好的分类性能。本文提出了模型MAMC，旨在挖掘视图表示之间的共识性，同时在表示空间中学习清晰的决策边界。MAMC包含一个多尺度对齐策略，实现从视图内和视图间挖掘视图表征的共识性信息。此外，MAMC还包含一种新颖的扩展边界，其能自适应地调整边界以学习清晰的决策边界。多个公开数据集的实验结果表明，MAMC能实现多个指标的优越性能以及模型鲁棒性。
图1 MAMC框架
ICLR是全球机器学习领域最具影响力的学术会议之一，与国际机器学习大会（ICML）和神经信息处理系统大会（NeurIPS）并称为“机器学习三大顶会”。