近日，數(shù)學與統(tǒng)計學院王建宏教授團隊在國際著名學術期刊《Information Fusion》（《信息融合》）發(fā)表題為“Fractional light gradient boosting machine ensemble learning model: A non-causal fractional difference descent approach”（分數(shù)階輕量梯度提升集成學習模型：一種非因果分數(shù)階差分下降法）的研究論文,。論文由數(shù)學與統(tǒng)計學院碩士生武海心,、毛雅倩、翁嘉誠共同完成,，余躍教授、王建宏教授為共同作者，南通大學為唯一署名單位,。

該研究首次提出了分數(shù)階輕量梯度提升集成學習模型，并通過回歸和分類任務驗證了該模型的有效性,。首先根據(jù)因果一階差分和反因果一階差分的定義,，提出了因果分數(shù)階差分和反因果分數(shù)階差分，進一步給出非因果分數(shù)階差分定義。在此基礎上,，提出了一種新的非因果分數(shù)階差分下降方法,，通過收斂性分析和仿真測試，證明其有效性和優(yōu)越性,，并將該方法應用于LightGBM模型,，建立非因果分數(shù)階輕量梯度提升模型（NFLightGBM）。通過回歸和分類不同的評價指標應用多個數(shù)據(jù)集對新模型的性能進行評估,，結果表明,，NFLightGBM模型優(yōu)于傳統(tǒng)的LightGBM模型，具有良好的預測精度和較高的分類精度,。

該研究得到了國家自然科學基金,、江蘇省研究生創(chuàng)新與實踐等項目支持?！禝nformation Fusion》是人工智能領域國際頂尖權威期刊,，中科院一區(qū)Top期刊，2024年影響因子為14.8,，五年平均影響因子為16.1,。

相關鏈接：https://elkssl0a75e822c6f3334851117f8769a30e1cwzqx.v.ntu.edu.cn:4443/10.1016/j.inffus.2025.102947

（許志鵬）