2021年3月17日，由职业技术师范学院罗旭东老师（第一作者），文晓浩老师（第二作者）发表的论文：“Decision-Tree-Initialized Dendritic Neuron Model for Fast andAccurate Data Classification”被人工智能领域国际顶级期刊 IEEETransactions on Neural Networks and Learning Systems (TNNLS)收录，IF=8.793，是JCR系统下中科院分区一区，以及汤姆森路透社分区Q1区的顶级期刊。
DOI:http://dx.doi.org/10.1109/TNNLS.2021.3055991
人工神经网络（ANN）模拟了人类大脑神经元的信息处理机制和过程，在人工智能领域取得了巨大的成功。然而，传统的人工神经网络存在许多问题，如理解困难、训练缓慢等，这些缺陷的存在促使此项研究工作的开展。据了解，树突神经元模型（DNM）是一种基于突触的非线性建立的新型深度学习模型，该论文针对DNM提出了新的模型初始化和剪枝方法。此项工作不仅可以更好地帮助人们理解生物神经元系统，而且为解决实际问题提供一种有用的方法。
文章节选
论文从机器学习的可解释性角度出发，建立了决策树与DNM假设空间中的映射关系，实现了决策树对DNM的初始化。在降低DNM计算复杂度的同时使得DNM模型的训练和测试准确度也达到更高。该项成果对于人工智能领域的研究有重要的理论指导意义。