近日，郑州大学计算机与人工智能学院在人工智能领域顶级学术期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI)》上发表信息瓶颈理论长篇综述论文“A Survey on Information Bottleneck”。胡世哲副研究员为该论文第一作者，叶阳东教授为论文通讯作者，娄铮铮副教授、闫小强副教授为论文合作作者，郑州大学为唯一第一作者单位和通讯单位。本项工作受到国家自然科学青年基金项目、面上项目的资助，并得到了郑州大学计算机与人工智能学院的支持。

该综述论文是为了纪念信息瓶颈理论的创始人之一Naftali Tishby 教授，他于2021年8月去世，享年 68 岁。信息瓶颈 (Information Bottleneck, IB) 是一种用于模式分析和表示学习的新型信息理论方法，自1999年诞生以来受到了广泛的关注。它巧妙地平衡了数据压缩和信息保存，并相应地提高了预测或表示能力。该综述总结了过去20多年来IB的理论进展和实际应用，系统地探讨了IB的基础理论、优化、扩展模型和面向任务的算法。现有的IB方法大致分为两部分：传统IB和深度IB。前者包含传统机器学习分析技术优化的且不涉及任何神经网络的IB，后者包括涉及深度神经网络 (Deep Neural Network, DNN) 的解释、优化和改进的IB。具体来说，根据技术分类，传统IB进一步分为三类：基础IB、信息化IB和传播IB。根据问题设置分类，深度IB包括：辩论-使用 IB 理解DNN、使用IB优化DNN和基于DNN的IB方法。此外，还讨论了一些值得未来研究的潜在问题。该综述试图描绘出一幅更完整的IB图景，后续的研究工作可从中受益。(论文链接：https://ieeexplore.ieee.org/document/10438074)

IEEE TPAMI期刊 (IF: 23.6) 是人工智能、模式识别、计算机视觉及机器学习领域公认的顶级国际学术期刊，是中国计算机学会(CCF)和中国自动化学会(CAA)等多个学会共同推荐的人工智能领域A类国际顶级期刊，在CCF认定的人工智能领域四个A类期刊中排名第一。

叶阳东 (最新动态可访问http://www5.zzu.edu.cn/mlis/)，计算机与人工智能学院二级教授，博士生导师。曾在澳大利亚迪肯大学做高级访问学者1年，长期从事机器学习、知识工程、智能系统、智能电网等方面的研究。主持国家重点研发计划子课题1项、国家自然科学基金4项、河南省科技攻关计划项目1项，参与国家自然科学基金9项、863项目1项。在IEEE汇刊、CVPR、AAAI、ACM Multimedia、IJCAI、中国科学：信息科学、计算机学报、软件学报等国内外知名期刊与会议发表论文100余篇，获批国家发明专利10余件，成果获河南省科技进步三等奖。主讲数据库原理、计算科学导论和Petri网理论等本科/研究生课程，参与《数据库原理教程》、《计算机引论》等教材编著，培养博/硕研究生110余人。兼职包括中国计算机基础教育研究会理事、河南省计算机学会理事等。

胡世哲 (最新动态可访问https://shizhehu.github.io/)，计算机与人工智能学院副研究员，硕士生导师，中国图象图形学学会视觉大数据专业委员会委员，IEEE/ACM/CCF/CSIG会员。主要研究方向有信息瓶颈(Information Bottleneck)理论、多模态学习、多视图学习、可信/可解释学习、聚类分析等。已以第一/通讯作者身份在IEEE TPAMI、TIP(x2)、TKDE、TNNLS(x2)、TCYB、Pattern Recognition、ACM MM、IEEE ICASSP、计算机学报等中国计算机学会A/B类会议期刊或中科院1区期刊上发表SCI/EI论文10余篇。论文发表后得到国内外同行的关注和积极评价，Google学术被引用400余次。多次担任国际顶级期刊IEEE TIP、TKDE、TNNLS、TMM、Information Fusion、Neural Networks以及国内外顶级会议CVPR、AAAI、CCDM、PRCV、PRAI的审稿人。主持国家自然科学青年基金项目、中国博士后基金面上项目各1项，参与国家重点研发计划专项、国家自然科学基金面上项目等3项。曾获ACM中国郑州分会优秀博士学位论文奖、河南省自然科学学术二等奖、郑州大学优秀博士学位论文。