随机共振自上世纪80年代以来，引起众多学者的关注，研究成果颇为丰富，从信息处理的角度出发，系统输入输出并非局限于“共振”频率之说，因此噪声增强或者噪声有益性逐渐成为随机共振在信息处理领域的代名词。比较明确提出noise benefit一词见[A. Patel and B. Kosko, “Optimal noise benefits in Neyman–Pearson and inequality-constrained statistical signal detection,” IEEE Trans. Signal Process., vol. 57, no. 5, pp. 1655–1669, May 2009.]

  随机共振（噪声有益的）系统从单一的双稳态系统，发展到多稳态、串联、并联、阵列、晶格、复杂网络，所涉及的系统结构日趋复杂繁复，与时俱进，如今机器学习是如今的研究热点问题，煞那间“人工智能”学院如雨后之笋，蓬勃而出，时代的发展迫切需要我们从事随机共振的老师同仁们在此领域开辟新的研究方向，2019年有关机器学习的国家基金项目立项如下链接所示，可见国家对待此类基金的支持力度比较盛大。

http://www.yidianzixun.com/article/0N0VLTMe

   2018年和2019年西安电子科技大学获批项目数量均最多，位居各高校之首，其中，西安电子科技大学的资助金额超过2000万元，在资助金额上仅次于清华大学，作为一所一流学科建设高校，在人工智能项目方面超过了一众一流大学建设高校，在人工智能领域方面实力尤为强劲；大连理工大学、国防科技大学、清华大学和电子科技大学获批项目数量均在20项以上，其中，清华大学资助金额最高，达到3047万元。

   与浙大朱江博士讨论良多，西交大康艳梅教授、西工大董海涛博士、东华大学肖雷博士先后来访都对此提出了自己的见解，大家都感到此方向的研究紧迫性，这里我提供一下如下信息：

   机器学习+噪声有益性研究最为深入的是南加州大学IEEE Fellow，Bart Kosko教授，附件为Kosko教授的有关卷积网中噪声有益性的论文[1]，此外著名的机器学习大师Y. Bengio也注意到了此类现象[2]，另外我又偶然发现两篇比较好的文献[3-4]，目前我只是有这个方面研究的心念，但是叶公好龙一点知识都不懂，特此将收集的一点知识放在这里，起到抛砖引玉的作用，期望大家各自贡献自己的力量，应用到自己熟悉的领域，发扬随机共振（噪声有益性）的新的生命力！

   谢谢！

【1】  Audhkhasi K ,  Osoba O ,  Kosko B. Noise-enhanced convolutional neural networks. Neural Networks, 2016, 78:15-23. https://doi.org/10.1016/j.neunet.2015.09.014

audhkhasi2016.pdf

【2】 Caglar Gulcehre，Marcin Moczulski，Misha Denil，Yoshua Bengio，Noisy Activation Functions，arXiv:1603.00391v3 [cs.LG] 3 Apr 2016

Noisy_Activation_Functions.pdf

【3】Guanjin Wang， Kup-Sze Choi，and Zhaohong Deng. Noise-benefit FRSDE for speedup of density estimation on large data,Journal of Intelligent & Fuzzy Systems 30 (2016) 443–450 DOI:10.3233/IFS-151768

Noise benefit FRSDE for speedup of density estimation on large data.pdf

【4】Rujipan Sampanna and Sanya Mitaim，Noise Benefits in Motor Imagery Classification using
Ensemble Support Vector Machine， 2014 IEEE Biomedical Circuits and Systems Conference (BioCAS) Proceedings，https://doi.org/10.1109/BioCAS.2014.6981643

Noise Benefits in Motor Imagery Classification using Ensemble Su.pdf