In St. Louis, Empowering Missouri Students to Learn the System – And Then Beat It
17岁的麦凯拉·詹姆斯（Mackayla James）本月与11名候选人中的三名争夺圣路易斯学校董事会的席位时，她想知道一件事：他们将如何更认真地认真对待学生的担忧，并给他们更多关于对他们教育做出的决定的投入？ “这是关于建立[…]
IEEE Transactions on Neural Networks and Learning Systems, Volume 36, Issue 3, March 2025
1）深度神经网络中有效融合的来宾社论特刊：Yanwei Pang，Fahad Shahbaz Khan，Xin lu，fabio cuzzolinpages：3886-3886-38892）的决策网络图像分类网络（S） Gu, Zhihong Tian, Wenping WangPages: 3890 - 39033) ResDNet: Efficient Dense Multi-Scale Representations With Residual Learning for High-Level Vision TasksAuthor(s): Yuanduo Hong, Huihui Pan,
The difference in learning system in the UK vs other countries: An International student perspective
在此视频中，伯恩茅斯大学学士学位（荣誉）计算机动画艺术和设计专业的学生Yelyzaveta分享了她从乌克兰学习到英国的独特经验。发现教育的差异，她的个人见解以及使BU特别学习的原因。
IEEE Transactions on Neural Networks and Learning Systems, Volume 36, Issue 2, February 2025
1) 特邀编辑：机器学习泛化、稳健性和可解释性的信息论方法特刊作者：Badong Chen、Shujian Yu、Robert Jenssen、Jose C. Principe、Klaus-Robert Müller页数：1957 - 19582) 用于阿尔茨海默病分类和致病因素识别的社区图卷积神经网络作者：Xia-An Bi、Ke Chen、Siyu Jiang、Sheng Luo、Wenyan Zhou、Zhaoxu Xing、Luyun Xu、Zhengliang Liu、Tianming Liu页数：1959 - 19733) RSS-Bagging：通过训练数据的 Fisher 信息
IEEE Transactions on Neural Networks and Learning Systems, Volume 36, Issue 1, January 2025
1) 特邀编辑：可信联邦学习专题作者：Qiang Yang, Han Yu, Sin G. Teo, Bo Li, Guodong Long, Chao Jin, Lixin Fan, Yang Liu, Le Zhang页数：5 - 52) 联邦推荐系统综述作者：Zehua Sun, Yonghui Xu, Yong Liu, Wei He, Lanju Kong, Fangzhao Wu, Yali Jiang, Lizhen Cui页数：6 - 203) 从梯度进行生成图像重建作者：Ekanut Sotthiwat, Liangli Zhen, Chi Zhang, Zengxiang
Adaptive Learning Systems: The Future of E-Learning Solutions
自适应学习系统：通过个性化和技术改变教育近年来，教育领域发生了重大变化，自适应学习系统成为个性化教学的革命性方法。这些系统利用数据分析、人工智能 (AI) 和机器学习的力量，根据个人学习者的需求、偏好和进度量身定制教育体验。自适应学习系统是电子学习解决方案的未来。随着全球对可获得和有效教育的需求不断增长，自适应学习系统正在重新定义知识的传递、评估和保留方式。自适应学习系统：电子学习解决方案的未来什么是自适应学习系统？自适应学习系统是教育平台或工具，使用技术根据有关学习者表现的实时数据调整教学内容、进度和方法。与传统的千篇一律的方法不同，自适应系统提供了一个动态的学习环境，每个学生都可以获得一条
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Number 12, November 2024
1) 场景理论、复杂性和基于压缩的学习与泛化调查作者：Roberto Rocchetta、Alexander Mey、Frans A. Oliehoek页数：16985 - 169992) 深度学习在视觉定位与映射中的应用：调查作者：Changhao Chen、Bing Wang、Chris Xiaoxuan Lu、Niki Trigoni、Andrew Markham页数：17000 - 170203) 实例分割模型稳健性的基准测试作者：Yusuf Dalva、Hamza Pehlivan、Said Fahri Altındiş、Aysegul Dundar页数：17021 - 170354
Improving health, one machine learning system at a time
Marzyeh Ghassemi 致力于确保医疗保健模型得到训练，使其强大且公平。
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Number 10, October 2024
1) 确定适合机器学习模型的知识产权保护机制：水印、指纹识别、模型访问和攻击的系统化作者：Isabell Lederer、Rudolf Mayer、Andreas Rauber页数：13082 - 131002) 面向可解释的情感计算：综述作者：Karina Cortiñas-Lorenzo、Gerard Lacey页数：13101 - 131213) 从多个角度回顾凸聚类：模型、优化、统计属性、应用和连接作者：Qiying Feng、C. L. Philip Chen、Licheng Liu页数：13122 - 131424) 高光谱图像去噪：从模型驱动、数据驱动到模型数据驱动作者：Qian
A Step-by-Step Guide to Build a Graph Learning System for a Movie Recommender
使用 PyTorch Geometric 和 MovieLens DataSet 构建继续阅读 Towards Data Science »
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Number 9, September 2024
1) 特邀编辑：图学习专题作者：Feng Xia、Renaud Lambiotte、Neil Shah、Hanghang Tong、Irwin King页数：11630 - 116332) 用于异质图学习的置换等变图框架作者：Jianfei Li、Ruigang Zheng、Han Feng、Ming Li、Xiaosheng Zhuang页数：11634 - 116483) MARML：多层网络中基于主题感知的深度表示学习作者：Da Zhang、Mansur R. Kabuka页数：11649 - 116604) 面向极端数据稀缺的稳健图半监督学习作者：Kaize Ding、Elnaz No
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 8, August 2024
1) 自主视觉感知的开放式在线学习作者：Haibin Yu, Yang Cong, Gan Sun, Dongdong Hou, Yuyang Liu, Jiahua Dong页数：10178 - 101982) 连续时间强化学习控制：理论结果回顾、性能洞察和新设计需求作者：Brent A. Wallace, Jennie Si页数：10199 - 102193) 可解释人工智能归纳逻辑编程技术评论作者：Zheng Zhang, Levent Yilmaz, Bo Liu页数：10220 - 102364) 离线强化学习调查：分类、评论和开放问题作者：Rafael Figueiredo Pru
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 7, July 2024
1) 联邦学习中的隐私和稳健性：攻击与防御作者：Lingjuan Lyu、Han Yu、Xingjun Ma、Chen Chen、Lichao Sun、Jun Zhao、Qiang Yang、Philip S. Yu页数：8726 - 87462) 测量解缠：指标回顾作者：Marc-André Carbonneau、Julian Zaïdi、Jonathan Boilard、Ghyslain Gagnon页数：8747 - 87613) 深度强化学习中的探索：从单智能体到多智能体领域作者：Jianye Hao、Tianpei Yang、Hongyao Tang、Chenjia Bai、Jiny
How to Test Machine Learning Systems
从概念到实用的代码片段，实现有效测试图片来自作者软件开发中的测试至关重要，因为它可以保证交付给客户的价值。交付成功的产品不是一次性的努力；而是一个持续的过程。为了确保持续交付，我们必须定义成功，整理数据，然后训练和部署我们的模型，同时持续监控和测试我们的工作。为了持续交付，我们必须定义成功，整理数据，然后训练和部署我们的模型，同时持续监控和测试我们的工作。机器学习系统中的“信任”不仅仅需要测试；它必须集成到整个生命周期中（如我的另一篇博客所示）。TRUST 的机器学习流程可以在“如何以合理的方式在机器学习中构建 TRUST”中描述（图片来自作者）。在深入讨论详细部分之前，这里有一个简短的 TL
Spotlight: Feeding Your Machine Learning System With Good Data
Om nom nom — 您为机器学习 (ML) 系统提供什么？处于通信技术和网络安全十字路口的 NIST 研究人员正在研究这个问题。在最基本的层面上，机器学习的作用与消化系统的作用相同
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 5, May 2024
1) 特邀编辑：基于可解释表示学习的复杂系统智能检测与维护特刊作者：刘志刚、Cesare Alippi、陈洪天、刘德荣页数：5819 - 58232) 基于大规模电动汽车和风电并网的新型自动发电控制方法作者：席蕾、李浩凯、朱继忠、李彦英、王守祥页数：5824 - 58343) 基于自适应动态规划的自旋交换无松弛系统最优自旋极化控制作者：王瑞刚、王卓、刘思迅、李涛、李峰、秦博东、魏庆来页数：5835 - 58474) 具有输出饱和和扰动的不确定非线性系统的事件触发分数阶跟踪控制作者：舒逸Shao, Mou Chen, Sijia Zheng, Shumin Lu, Qijun Zhao页数：58
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 4, April 2024
1) 特邀编辑：图的深度神经网络：理论、模型、算法和应用作者：Ming Li、Alessio Micheli、Yu Guan Wang、Shirui Pan、Pietro Lió、Giorgio Stefano Gnecco、Marcello Sanguineti页数：4367 - 43722) 正则化理论背景下的谱图卷积神经网络作者：Asif Salim、S. Sumitra页数：4373 - 43843) 赋能简单图卷积网络作者：Luca Pasa、Nicolò Navarin、Wolfgang Erb、Alessandro Sperduti页数：4385 - 43994) 通过面积正则球
