近日，皇冠体彩app下载官网电子信息与智能系统课题组的姚立忠副教授在其研究领域取得了显著成果，他分别以第一作者和通讯作者的身份，以重庆师范大学为第一单位在国际学术期刊《IEEE Transactions on Cybernetics》（中科院1区TOP，影响因子9.4）和《IEEE Journal of Biomedical and Health Informatics》（中科院计算机:信息系统1区TOP，影响因子6.7）上发表了两篇最新研究成果。

第一篇论文题为《Explicit Evolutionary Framework With Multitasking Feature Fusion for Optimizing Operational Parameters in Aluminum Electrolysis Process》，姚立忠副教授提出了一种多任务特征融合（EMFF）的显式进化框架，用于优化铝电解槽（AECs）的操作参数。该框架充分考虑了不同任务之间特征信息的潜在联系，通过设计独特的多任务特征融合机制，实现了有效的知识转移，从而增强了源任务对目标任务的信息价值。同时，引入了一种迁移个体衍生（TID）策略，确保关键知识的快速进化。实验结果表明，该框架在各种基准测试和实际AEC参数优化案例中均表现出色，为减少铝电解槽的能耗提供了一种创新的方法。

在第二篇论文《Attention-guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI》中，姚立忠副教授介绍了一种新颖的轻量级三维卷积神经网络，专门用于捕捉脑疾病的演变，以预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展。该模型采用纵向病变特征选择策略，从时间数据中提取核心特征，并引入疾病趋势注意机制，使模型更加专注于病变特征。同时，采用疾病预测可视化技术，提高了最终预测的可解释性。实验结果表明，该模型在曲线下面积（AUC）、准确率、特异性、精确率和F1分数等方面均达到了优秀的性能，仅需利用两个随访的结构性磁共振成像（sMRI）扫描就能准确预测MCI患者24个月后的疾病状态。

这两项研究成果不仅展示了姚立忠副教授研究团队在相关领域开展了扎实的研究工作，也显示出团队的科研创新能力突出。两项成果为铝电解槽能耗优化和阿尔茨海默病早期预测提供了新的思路和方法。

图1为提出的EMFF框架

图2为模型的整体框架

论文链接：

1. https://doi.org/10.1109/TCYB.2024.3456471

2. https://doi.org/10.1109/JBHI.2024.3482001