西工大新闻网8月3日电（王建宇）近日，国际神经网络联合会议上（在线会议），西北工业大学航海学院张晓雷教授2018年发表于《Neural Networks》期刊的论文“Multilayer Bootstrap Networks”获得了该期刊2020年度唯一最佳论文奖。

图1 国际神经网络联合会议上举行的颁奖典礼

数据降维是统计学和机器学习的根本问题。已有的非线性降维方法大致包括四类：核方法、神经网络、集成学习、概率模型。现代人工智能的驱动力量“深度学习”目前主要指神经网络，受到反向传播算法缺点的限制，在小数据、无标记数据上效果有限，且具有模型不可解释等缺陷。以随机森林为代表的集成学习具有较好的模型可解释性，且在小数据上有较好的泛化能力，但是在无监督非线性降维问题上却长期空缺。

图2 期刊与论文封面

针对以上问题，此次的获奖论文提出了一种非线性数据降维深度学习算法-多层自举网络（multilayer bootstrap networks），它不再使用反向传播优化网络，使用了最简单的数学运算达到了最佳的非线性降维性能，同时克服了局部最优化问题等多个机器学习的研究困难点，是一种损失可控、几何原理清晰的白盒深度网络。

图3 多层自举网络的结构示意

图4 多层自举网络应用于数据降维的结果示例

图5 多层自举网络的几何原理剖析

该获奖论文填补了机器学习四大类非线性方法之一的集成学习方法在无监督降维问题上的长期空白，突破了深度神经网络依赖于反向传播算法进行优化的传统框架，实现了在机器学习算法研究上的原始创新，有力地促进了人工智能与深度学习在神经网络的可解释性、面向小数据的深度模型等基础研究方面的进展，以及数据挖掘、多媒体信息处理等领域相关应用技术的发展，具有突出的学术价值和社会意义。此次获奖论文得到了国家自然科学基金的唯一资助。

国际神经网络学会的旗舰期刊《Neural Networks》每年从两年前发表的所有论文中评选出年度唯一最佳论文奖。此次最佳论文奖经过编委会100余位来自全球各地的编委共同参与提名和投票的严格评审程序，最终，由担任该期刊编委的西北工业大学校学术委员会副主任李学龙教授提名的该论文获此殊荣。

作为国际神经网络学会最重要的奖项之一，2017年度的获奖人是现代人工智能与深度学习的奠基人、世界著名的神经网络LSTM之父Jürgen Schmidhuber教授；2019年度的获奖人是计算神经科学的奠基人、国际神经网络学会的首任主席、《Neural Networks》首任主编Stephen Grossberg教授。

（审稿：孙华强 杨坤德）