近期,我校公海555000jc线路检测中心官网郑剑团队在“异常检测鲁棒性—适应性权衡”难题上取得突破性研究进展,研究成果“Necessity of a Dual-Engine Paradigm: Resolving the Robustness-Adaptability Trade-off in Anomaly Detection”(双引擎范式的必要性:解决异常检测中鲁棒性与适应性的权衡问题)发表在人工智能旗舰期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》(TPAMI,影响因子20.4,中科院一区Top,CCF A),已在线刊出(DOI10.1109/TPAMI.2026.3733282)。
研究团队开创性提出双引擎异常检测框架,将高斯正交系综(GOE)宏观统计引擎与多粒度液态神经网络(MLNN)微观动态引擎相结合,通过正则化实现稳定融合,在保持正常几何结构的同时捕捉自适应时序模式,使两个引擎协同运作,从数学上证明了单引擎架构无法突破检测完备性下界,相关理论结果进一步刻画了该框架的泛化边界与适用条件,为构建兼具理论根基与自适应能力的异常检测系统提供了新思路。

