近日，福州大学数学与计算机科学学院认知系统与信息处理实验室题为“An Internal Covariate Shift Bounding Algorithm for Deep Neural Networks by Unitizing Layers' Outputs”学术论文被2020年IEEE国际计算机视觉与模式识别会议（IEEE International Conference on Computer Vision and Pattern Recognition，简称IEEE CVPR）正式录用，是近2年来在该会议上发表的第2篇学术论文。此论文以福州大学为唯一署名单位，由福州大学数学与计算机科学学院计算机应用技术专业硕士研究生黄有在于元隆教授指导下完成。

近几年来，批归一化技术已成为深度网络训练中较为常用的技术。批归一化为解决网络训练中的内协变量漂移问题而被提出，但目前未有完整的理论分析证实批归一化在此问题上有效。该论文针对人工智能核心领域的深度网络批归一化问题展开研究，以概率分布间的推土距离作为这一问题的度量指标，提出该指标的上下界。通过对上下界的分析，证实了批归一化技术在此问题上的有效性，同时也指出批归一化的部分问题，进一步提出基于单位化变换的批归一化改善算法。

据悉，IEEE CVPR是计算机视觉领域顶级学术会议，是人工智能领域最具影响力的国际学术会议之一，被中国计算机学会认定为A类会议。CVPR 2020将于6月14日-19日在美国华盛顿州西雅图市举办。本次会议共收到6656篇投稿，其中1470篇论文被接收，录用率为22%。