近日，电信院博士生吴彦学以第一作者身份撰写的学术论文“Generalized Active Stratified Sampling for Non-IID Data”被《IEEE Transactions on Knowledge and Data Engineering》录用（以下简称TKDE），通讯作者是电信院副院长汪敏教授。

TKDE是数据挖掘、数据库系统、知识工程和人工智能领域的顶级国际学术期刊。作为电气电子工程师学会（IEEE）计算机学会旗下的汇刊，TKDE被评为CCF-A和中科院计算机科学大类一区Top期刊，在学术界和工业界均享有极高的声誉，是相关领域研究人员发表高质量成果的首选目标之一。TKDE通常审稿周期较长，录用率较低，要求论文在理论深度、创新性、实验完备性上都有卓越表现。

现实场景下可能存在数据分布与理论分布不一致的问题，常规的人工智能模型在遇到这种情况可能失效。该研究提出泛化主动分层抽样（Generalized Active Stratified Sampling，GASS）策略以解决这一问题，其基本思想是借助抽样策略校正数据分布逼近理论分布。具体地，GASS在迭代抽样过程中重新平衡了不同类别的样本数量。该研究也系统性考查了GASS的理论基础，包括其统计学来源、均值/方差分析、泛化性能以及扰动鲁棒性。GASS最具价值的地方在于，它可与其他人工智能方法结合以提升相关模型的泛化性与有效性。

近年来，电信院始终坚持以立德树人为根本任务，持续强化研究生科研创新能力培养。通过优化导师指导机制、搭建高水平科研平台、鼓励原创性基础研究，在油气田智慧化、智能电网等方向取得一系列重要进展。此次博士生在IEEE TKDE发表论文，实现了学院在该顶级期刊上零的突破。