近日，金融与统计学院统计系王小燕副教授，和2021级博士研究生冮建伟、2021级硕士研究生徐龙滔合作的题为“基于CMCP和余弦间隔交叉熵的深度神经网络及其应用”的论文发表在《数量经济技术经济研究》2022年第10期。

该文针对二分类问题，在深度神经网络（DNN）基础上，提出了CMCP-CMDNN方法。该方法用CMCP变量选择方法压缩输入特征到第1隐藏层的权重，从而剔除无关特征以及不重要的连接，精简了DNN的结构。同时，提出余弦间隔交叉熵损失函数，增大判别边界的间隔，提高分类准确率和稳健性。为了求解模型，该文基于局部线性近似和近端梯度下降算法估计模型的未知参数。文章进行了充分的模拟分析，发现对比已有的代表性方法，新方法在特征选择和预测方面均具有良好的表现。将该方法应用于信用贷款数据实证分析，发现它能够有效地选择风险指标并进行违约风险预警。该文拓展了深度神经网络的理论研究，为高维复杂交互作用的大数据建模提供新思路，为解决金融、管理、生物等领域的分类问题提供有力的分析工具。

王小燕，厦门大学经济学博士，耶鲁大学生物统计系博士后，湖南大学金融与统计学院统计系副教授。研究领域包括数据挖掘、高维数据分析等。在《统计研究》、《数量经济技术经济研究》、《系统工程理论与实践》、《中国管理科学》、Bioinformatics、Statistics in Medicine、Computational Statistics and Data Analysis、Statistics and Its Interface等国内外学术期刊发表20多篇论文，主持了国家自科基金面上项目、青年项目，教育部人文社科基金青年项目等国家级、省部级课题共9项。

图为王小燕副教授

冮建伟，湖南大学金融与统计学院2021级博士研究生，指导老师为王小燕副教授，主要从事深度学习与大数据挖掘等领域的研究，目前已在《数量经济技术经济研究》《经济学动态》发表学术论文，参与国家自科基金面上项目和教育部人文社科基金青年项目等多项课题。

徐龙滔，湖南大学金融与统计学院2021级硕士研究生，指导老师为王小燕副教授，主要从事迁移学习领域的研究，目前已在《数量经济技术经济研究》发表学术论文，参与国家自科基金面上项目和教育部人文社科基金青年项目等多项课题。