应土木工程学院李惠教授和赖马树金副教授的邀请，国际著名机器学习专家、国家青年千人、北京大学数学系和北京国际数学研究中心董彬副教授将于2019年11月14日访问土木工程学院并做学术讲座。

欢迎感兴趣的老师和同学参加交流！

时间地点：2019.11.14上午: 900-11:00， 土木工程学院311室

Bridging Deep Neural Networks and Differential Equations for Image Analysis and Beyond

Bin Dong

Beijing International Center for Mathematical Research,

Peking University;

Deep learning continues to dominate machine learning and has been successful in computer vision, natural language processing, etc. Its impact has now expanded to many research areas in science and engineering. However, the model design of deep learning still lacks systematic guidance, and most deep models are seriously in lack of transparency and interpretability, thus limiting the application of deep learning in some fields of science and medicine. In this talk, I will show how we can tackle this issue by presenting some of our recent work on bridging numerical differential equation and deep convolutional architecture design. We can interpret some of the popular deep CNNs in terms of numerical (stochastic) differential equations, and propose new deep architectures that can further improve the prediction accuracy of the existing networks in image classification. We also show how to design transparent deep convolutional networks to uncover hidden PDE models from observed dynamical data. Further applications of this perspective to various problems in imaging and inverse problems will be discussed.

        董彬，北京大学，北京国际数学研究中心长聘副教授、助理主任。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011－2014年在美国亚利桑那大学数学系任助理教授，2014年底入职北京大学。主要研究领域为应用调和分析、反问题计算、深度学习及其在图像和数据科学中的应用。在理论上，与合作者一起将图像领域独立发展近30年的两个数学分支（PDE/变分方法和小波方法）建立深刻的联系，改变了领域内对这两类方法的一些既定认识。应用上，以数学理论为指导思想，为来源于医学影像、计算机视觉、深度学习等领域中的重要问题提供行之有效的解决方案。在国际重要学术期刊和会议上发表论文60余篇，现任期刊《Inverse Problems and Imaging》编委。于2014年获得香港求是基金会颁发的求是杰出青年学者奖，2015年入选中组部第十一批“千人计划”青年人才。