11月23日上午，多位行业专家莅临实验室，对总装预研项目“面向开放环境应用的机器学习技术”进行现场测试验证。项目研究主要包括面向目标强化的环境感知智能系统优化技术、结合深度特征表示和生成对抗网络的迁移学习技术和基于启发式优化的双Q强化学习技术等关键技术。项目完成了支持强化和迁移学习的智能大数据处理系统架构与运行机制、开放环境中数据建模与分析、开放环境中自主迁移机制和复杂开放环境中自主持续学习机制等研究内容，构建了开放环境下大数据智能处理原型系统。项目原型系统完成了实验室环境下的验证，系统功能完备、运行效果良好，各位专家一致认定该系统达到各项合同指标要求，顺利通过项目测试验收。

项目研究周期为2017年12月至2020年12月，培养了多名硕士和博士研究生。相关理论成果以“Group-Based Recurrent Neural Networks for POI Recommendation（ACM Transactions on Data Science, 2020）”、“Misinformation-oriented expert finding in social networks（World Wide Web, 2020）”，“A Multi-Scale Temporal Feature Aggregation Convolutional Neural Network for Portfolio Management（Proceedings of the 28th ACM International Conference on Information and Knowledge Management, 2019）”、“Cross Domain Recommendation via Bi-directional Transfer Graph Collaborative Filtering Networks（Proceedings of the 29th ACM International Conference on Information and Knowledge Management, 2020）”等多篇国际期刊和会议论文为支撑，形成了 “一种个性化商品推荐方法”、“一种基于文本信息的深度强化学习交互式推荐方法及系统”等多项发明专利的申报材料。