“数理讲堂”2026年第16期:可积深度学习

发布时间:2026-11-17 供稿:数学与统计学院 分享至:

主题:可积深度学习

时间:11月18日14:00-16:00

地点:#腾讯会议:213-907-774

主持人:王静

报告简介:

本报告主要阐述可积深度学习的概念、框架及其提出动机,重点介绍我们在可积深度学习算法方面取得的一系列进展:1.提出了基于守恒律的两阶段PINN方法和基于Miura变换的PINN方法;2.构建了 Lax pair-informed信息神经网络(LPNNs)以及基于达布变换的DT-LPNN网络;3.创建了面向可积系统的新型卷积神经网络架构,包括基于伪网格的物理信息卷积循环网络(PG-PhyCRNet)和怪波模式的多项式提取器(PE-RWP)。

报告人简介:

陈勇,华东师范大学/山东科技大学教授、博士生导师,计算机理论研究所所长,上海市闵行区拔尖人才。长期从事非线性数学物理、可积系统、计算机代数与程序开发、可积深度学习算法、混沌理论、大气与海洋动力学等领域的研究工作。提出了一系列可机械化实现的非线性方程求解方法,发展了李群理论,并成功将其应用于大气与海洋物理模型研究;提出了可积深度学习算法,开发出一系列可机械化实现的非线性发展方程研究程序。已在SCI收录的国际学术期刊发表论文300余篇。主持国家自然科学基金面上项目5项;国家自然科学基金重点项目3项(第一参加人及项目负责人)、973项目1项(骨干科学家)、国家自然科学基金长江团队项目2项(PI)在人工智能(AI)方面的贡献:陈勇教授于2019年开创性地提出了可积深度学习的概念与框架,带领其博士研究生团队取得了突破性研究成果,在《Journal of Computer Physics》《Physica D》《Chaos》《Chaos Solitons & Fractals》等国际重要学术期刊发表论文30余篇。近期应美国布朗大学工程院院士Karniadakis教授之邀,作了关于可积深度学习的报告。

打印
上一篇:下一篇: