近期，我院梁伟教授团队在智能交通领域网络流量监控数据处理方向取得新进展。研究成果“LightNestle: Quick and Accurate Neural Sequential Tensor Completion via Meta Learning”于2022年12月3日被CCF A类国际顶级会议《IEEE INFOCOM》接收，该项研究成果将被国际顶级会议论文集收录，会议将由IEEE Communications Society在美国纽约举办，梁伟教授团队将作大会报告。《IEEE INFOCOM》是IEEE组织在通信网络领域的旗舰会议，此次会议共收到文章1312篇，接收论文252篇，录用率仅为19%。

网络流量监控是网络管理的重要内容之一。现有网络流量监控面临着观测数据不完整、数据稀疏性高等居多挑战。高效的数据恢复技术至关重要。但是通常采用的张量完成模型在保留历史信息的同时，缺乏一种有效、高效的再训练方案来适应新到达的数据。为此，梁伟教授团队提出了一种基于元学习的序列张量补全方案LightNestle（如下图所示）。方案融合了表达神经网络、注意力机制、元学习等先进计算理论与方法。实验结果表明，所提出的方法既实现了快速的再训练，又实现了较高的恢复精度。

▲LightNestle框架

近年来，我院积极开拓交通网络流量监测交叉领域，鼓励学院师生以兴趣为原动力，积极探索新兴研究领域。该成果是在人工智能网络流量监控领域取得的重要成果之一，助力学院科研全面发展。这项研究得到了国家重点研发计划（2021YFA1000600），国家自然科学基金（62072170，61976087），湖南省重点研发计划项目（2022GK2015），湖南省自然科学基金（2021JJ30141）等项目基金的资助。