近日，公司光谱信息处理与应用在国际知名传感器类期刊《Sensors and Actuators B: Chemical》上发表了题为“Non-parametric partial least squares–discriminant analysis model based on sum of ranking difference algorithm for tea grade identification using electronic tongue data”的学术论文，此论文是该团队负责人陈孝敬教授。论文报道了他们电子舌传感器数据分析方面的最新研究成果。文章提出了一种基于差异排序总和算法构建的无参偏最小二乘判别分析模型，相比于传统的偏最小二乘判别分析模型，该方法无需进行交叉验证计算来选择最优潜在变量选择，可以做到快速的判别分析。经茶叶电子舌数据分析结果对比，可以在判别模型的准确性，灵敏度和特异性上具有显著提高，有望被广泛应用于多变量建模分析领域。

此外该团队还在国际权威化学计量学期刊《Chemometrics and Intelligent Laboratory Systems》上发表两篇人工智能技术结合化学计量学的论文。第一篇论文是“Combination of one-dimensional convolutional neural network and negative correlation learning on spectral calibration”该论文的第一作者是2017级研究生徐玲杰同学，朱德华和陈孝敬教授为共同通讯作者。该论文提出了一种结合负相关学习的卷积神经网络算法，并将其用于近红外光谱的多元校正。该方法吸收了深度学习的优点，在数据充分地情况下，较传统的多元校正模型具有更好的建模效果。第二篇论文是“Domain adaptive partial least squares regression”。该论文的第一作者是黄光造博士，通讯作者是陈孝敬教授。该论文提出了一种基于域自适应的偏最小二乘回归建模方法。该方法不需要标准样本就可以实现不同域的偏最小二乘回归模型的转移和更新。实现结果显示，相对于已有的方法，所提方法对于近红外光谱数据具有更好的无监督模型转移效果。

随着近年来公司研究生高水平论文的不断发表，标志着公司在科研水平以及公司产品质量上已取得显著成效。