​​报告题目：基于动力系统的模型压缩

报告人：范凤磊

报告时间：2026年1月16日上午9点30分

报告地点：计算机与人工智能学院303会议室 

   ​报告人：范凤磊，香港城市大学数据科学系助理教授，其主要研究成果在JMLR、TPAMI、CVPR等人工智能和数据科学领域的旗舰期刊上发表论文二十余篇；博士论文获得了国际神经网络学会（INNS）2021年杰出博士论文奖；四篇核心研究论文分别荣获2024年CVPR最佳论文奖候选，IEEE TRPMS最佳论文奖，ESI高被引以及IOP杂志北美地区高被引论文奖。他的基于动力系统的模型压缩方法荣获存储领域知名奖项奥林帕斯先锋奖（香港地区首位）。

    ​报告摘要：尽管神经网络的发明是为了模仿人类的大脑，但目前深度学习的发展并不是主要受到对大脑理解不断加深来推动。大脑是我们迄今为止所知的最智能的系统，尽管大脑仍然有大量未被探索的领域，但显然现有的深度学习在效率、可解释性、记忆等许多重要方面仍远远落后于人类大脑。鉴于人类大脑的惊人能力，我们认为从第一性原理出发，神经科学始终可以作为深度学习的重要参考。在本次讨论中，我们将探讨将基因瓶颈机制引入深度学习，并结合动力系统方法探索解决模型压缩中的问题。

​