报告时间：7月7日 09:00-11:00

报告地点：维格堂113

报告题目：机器学习的数学技术

报告人：孟德宇（西安交通大学）

报告题目：机器学习的数学技术

摘要：以深度学习/大模型为代表的机器学习方法与技术为当今科技领域的研究焦点。然而，相比技术水平的迅猛提升，机器学习基础理论研究进展远远滞后，大量技术经验发现无法找到理论支撑，以科学性为前提的学科大厦面临危局。重建机器学习理论体系已成为当今重大科技前沿问题。针对这一挑战，本报告将以深度学习三大技术实验现象（任务泛化能力、智能涌现现象、鲁棒-精确悖论）理论内涵作为分析对象，介绍未来机器学习理论可能发展的新型学习、统计与物理理论新框架，以及本研究组分别针对通信、生命、医疗技术领域的场景动态适应、生命智能涌现、智能可靠诊疗三大技术问题的机器学习数学技术方面的初步探索。

报告人简介：孟德宇，西安交通大学数学与统计学院教授。长期致力于机器学习基础理论与算法的研究。入选国家计划。现任TPAMI等七个国内外期刊编委。

报告题目：连续数据表示下的正则化方法论

报告人：罗倚斯（西安交通大学）

报告摘要：近年来，对离散数据点进行连续化的坐标到值的数据表示框架在许多问题中取得了成功，如PINN, NeRF, 算子学习等。在本报告中，我们将探讨如何将传统机器学习和图像处理中的离散矩阵正则化方法(如低秩张量分解、非局部自相似性、Total Variation等)嵌入到连续表示框架中，并发展相关的连续化数学理论和算法。我们将展示这些连续正则化方法在图像复原、点云重建、三维重建、转录组分析，全波形反演等重要科学问题中的应用价值。

报告人简介：罗倚斯是西安交通大学数学与统计学院博士生，师从孟德宇教授；主要研究方向为机器学习的基础理论和方法包括隐式神经表示、张量分解、正则化方法等；在SIAM IS, TPAMI, TIP, TNNLS, TGRS, CVPR, AAAI, MM 等期刊和会议上发表论文20余篇；主持国家自然科学基金青年学生项目；曾获华为奖学金、华为火花奖，国家奖学金等荣誉。

邀请人：马学俊