12月1日，应数学与信息科学学院邀请，武汉大学焦雨领副教授为学院师生作题为“Deep Learning Methods for Parameter Identification in Elliptic Equations: model and error analysis”的学术报告，学院相关专业教师和研究生参加了此次报告。

焦雨领副教授首先介绍了一种用于椭圆方程参数识别的深度学习方法。首先建立了新的稳定性估计，作为提出适当损失函数的指导原则。接着提出了一个利用吉洪诺夫正则化和物理信息神经网络（PINN）的模型。此外，还对收敛率进行了严格的分析重建，为正则化参数的选择以及神经网络提供有价值的先验信息。最后，通过各种数值实验证明了该方法在数据噪声方面的显著稳定性。

报告结束后，焦雨领就与会师生提出的相关问题进行了详细的解答，并展开了深入的讨论与交流，现场气氛热烈，学院师生表示受益匪浅。

专家简介：

焦雨领,武汉大学数学统计学院副教授、博导，国家级青年人才。主要研究方向科学计算、机器学习。 任ACM Transaction on Probabilistic Machine Learning编委。在包括AoS、JASA,SINUM、SICS、SIMA、SICON, ACHA、JMLR、TSP、IP，ICML、NeurIPS等在内的期刊和会议上发表了40余篇论文。

(数学与信息科学学院李海锋 魏晓君)