近日，JCR1区期刊《IEEE Transactions on Neural Networks and Learning Systems 》(《TNNLS》)上发表了中国石油大学（北京）地球物理与信息工程学院教师的论文《Online Learning Algorithm Based on Adaptive Control Theory 》（《基于自适应控制理论的在线算法研究》），刘建伟为第一作者，中国石油大学（北京）为第一完成单位。
    该研究成果将机器学习与控制理论有机的结合起来，基于模型参考自适应控制理论技术提出了一种新的在线学习算法，给出了后悔上下界，与以往的梯度下降算法和指数梯度下降算法比较，具有更紧的后悔界，并针对如何给出一个更紧凑上界的更新法则以及如何比较三种算法的累计损失进行了探讨性研究。研究成果中得到的后悔上下界是随时间变化的函数，并随着时间的增加，后悔上界越来越接近估计值。除理论研究外，实验表明该算法的更新规则在人工数据集与真实数据集都是可行的，且上界要比其他两种算法更紧。

TNNLS是机器学习中神经网络以及学习系统方面的著名期刊，影响因子4.854。

详情请见：

http://ieeexplore.ieee.org/document/7903681/