4月25日，由党委研究生工作部、研究生院主办，理学院承办的“江南讲坛”人工智能赋能学科交叉专场第一百二十五讲暨“神经网络模型的鲁棒性研究及深度网络训练优化（Optimization for Training Deep Networks）”专题讲座在钱伟长楼202会议室召开，本次讲座特邀青岛大学计算机科学技术学院甘敏教授担任主讲嘉宾。活动由理学院副院长陈晶主持，理学院部分教师与数学专业学生参加了此次讲座。
甘敏围绕神经网络鲁棒性的核心概念及其重要性，以及深度网络训练优化的关键策略展开了深入讲解。讲座前半场，他系统介绍了神经网络在人工智能领域的核心地位，并指出鲁棒性研究对于解决神经网络在复杂、不确定及对抗性环境中的可靠性、安全性和稳定性问题的关键作用。随后，他详细阐述了神经网络模型在设计与应用中的潜在风险，包括数据分布的偏移、环境的不确定性以及潜在的恶意攻击等。针对这些风险，他进一步探讨了如何通过技术手段评估和提升神经网络模型的鲁棒性与安全性，特别是在隐藏层设计、优化算法选择等方面的深入研究。讲座后半场，他聚焦深度网络训练的优化问题，特别是针对SGD（随机梯度下降）相较于GD（梯度下降）在训练深度网络时的优势进行了详细解析。他指出，SGD不仅能够有效减少计算量，还能在一定程度上避免过拟合，提高模型的泛化能力。此外，他还分享了自己在深度网络训练优化方面的最新研究成果与实践经验，为参会者提供了宝贵的学术指导。整场讲座内容丰富，条理清晰，历时一个多小时，为参会者呈现了一场精彩的学术盛宴。
活动中，参会人员认真聆听，积极提问与讨论。参会者纷纷表示，通过此次讲座，不仅加深了对神经网络鲁棒性及深度网络训练优化的理解，还拓宽了研究视野，为未来的学术研究工作提供了新的思路与启示。
讲座现场
甘敏教授作讲座
师生认真听讲
