日前，国际人工智能领域顶尖期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI, 模式分析与机器智能IEEE汇刊）在线发表了浙江师范大学教育学院黄昌勤教授研究团队的最新研究成果:“Are Graph Convolutional Networks with Random Weights Feasible?”，浙江师范大学为第一署名单位，文章由浙师大教育学院黄昌勤和李明教授联合多位海内外知名学者共同完成，也是学校教育技术学学科团队首次在TPAMI期刊上发表重要研究成果。

图神经网络是目前新一代人工智能领域的热点研究方向之一，如何设计具备低计算复杂度及高表示学习能力的图神经网络模型，为后续图数据建模问题提供优质的数据表征是图机器学习领域关注的关键科学问题。本文首次探讨了在图卷积网络模型中考虑随机权值策略（即GCN-RW）的可行性，从理论上严格证明了具有随机权值的图神经网络模型的逼近及泛化能力，并在多个公开的数据集（包括大规模图深度学习基准数据集OGB）上测试了CGN-RW框架的可行性及有效性。

TPAMI是中国计算机学会（CCF）和中国自动化学会（CAA）等多个学会共同推荐的人工智能领域A类国际顶尖期刊（影响因子24.314）。本项研究得到了国家自然科学基金重点项目、区域创新发展联合基金重点支持项目、国家面上项目等资助。

黄昌勤教授团队来浙师大近三年，始终专注于人工智能与教育交叉研究与应用、技术赋能实证等方向，目前已承担国家重点研发计划课题、国家自然科学基金重点项目等国家级项目近15项，研究成果已发表在人工智能领域知名期刊IEEE TPAMI、AI、IEEE TIP、Information Fusion、IEEE TNNLS、IEEE TCYB、IEEE TII和国际顶会ICML、NeurIPS，以及教育技术学国际顶级期刊Computers & Education及BJET上，先后获得省社科奖励2项、省自科奖励1项，授权发明专利8项。

编辑：清泉