2023年12月9日上午，美国欧道明大学计算机科学系助理教授李露斯博士，中国科学院半导体研究所刘婧逸博士应信息工程学院计算机系邀请为我院师生开展了一场系列学术讲座。讲座形式为腾讯会议，计算机系李胜教授等教师和各级研究生参与了本次讲座。
李露斯博士于2021年获得罗德岛大学电气、计算机和生物医学工程系博士学位。她分别于2014年和2017年在中国武汉中南财经政法大学获得计算机科学与技术学士和硕士学位。她的研究兴趣在于人工智能和机器学习，重点是开发可扩展算法，从大规模数据中学习鲁棒表示，并将这些进步应用于计算机视觉和无线通信。李露斯博士的讲座题目是：“多视图鲁棒表示学习”。 由于不同的视点和多个传感器，如今可以广泛访问多视图数据。例如，自动驾驶使用雷达、激光雷达和摄像头传感器在道路上产生实时3D信息；疾病诊断模型利用神经成像数据、临床评分和遗传学测量的多种模式进行疾病预测；人脸分析算法优选不同视角的人脸图像进行高保真度识别。多个信息源的存在有助于在许多现实世界的应用程序中学习更好的表示。然而，不同视图之间的数据存在很大差异，阻碍了性能的提高，而且对于各种应用程序来说，获取大量标记的数据既耗时又耗力。在本次演讲中，我将提出基于稳健表示学习的算法，以缓解多视图数据的视图差异，尤其是在面临特定问题时，通过融合多个视图的表示或将某些视图的表示适应于其他视图。
刘婧逸博士现就读于中国科学院半导体研究所，2014-2021年本硕均就读于我校计算机科学与技术专业，目前主要研究方向是符号回归，图神经网络，组合优化问题等。她的讲座题目是：“基于深度学习的符号回归算法研究”。数学建模是认识世界，发现定律的重要手段，被公认为是系统获得定量理解和控制的唯一方法。而深度学习是其中一类重要的方法。它的优点是拟合能力强，能适应多种复杂的任务。但是，深度学习是黑盒模型，在一些特殊的应用领域例如医学，是不受信任的。符号回归作为一类白盒模型，其能够找到隐藏在数据下的显示表达式，内部肌理可知，受信，结构紧凑。但是由于其搜索空间巨大，现存的方法的拟合能力较弱。基于以上两点，提出一个猜想，是否能够利用深度学习的强大拟合能力来建立准确，可信，简明的数学模型？为了验证这一猜想，提出多种研究方案，分别基于模块、图表示、混合模型来提升符号回归算法的性能。实验结果表明，所提的三种方法均能有效的提高拟合精度、减少拟合模型复杂度。
本次学术讲座中，两位校友的讲解内容丰富，创新性强，介绍详细，参与师生深感受益匪浅。讲座介绍完后，参会师生踊跃提问，进行了热烈的学术讨论。交流结束后李胜教授对李露斯和刘婧逸两位校友的精彩分享表示衷心感谢。
