实验室过辰楷老师、研究生黄登蓉等题为《Early Prediction for Mode Anomaly in Generative Adversarial Network Training: An Empirical Study》和《Callback2Vec: Callback-aware Hierarchical Embedding for Mobile Application》的论文被SCI 1区期刊Information Sciences 2020接收并网络发表。
其中，《Early Prediction for Mode Anomaly in Generative Adversarial Network Training: An Empirical Study》深入研究了GAN中的模式异常问题，提出了三种评测指标及一种提前预测异常的动态方法，大量的对比实验表明运用本文提出的方法，GAN的模式异常可以在训练前期被动态发现，可有效节省模型调试时间成本和经验成本。
《Callback2Vec: Callback-aware Hierarchical Embedding for Mobile Application》研究了基于移动应用的回调机制的嵌入表征技术，提出了面向移动应用软件的细粒度的回调建模方法，并在此基础上利用多层次嵌入表征方式对代码元素进行表征，对比实验和分析表明基于回调的表征方式可以有效提升移动应用在智能学习任务上的准确率。
