国内自拍

题目：Deep Approximation via Deep Learning

报告人：沈佐伟 教授（新加坡国立大学）

地点：致远楼101室

时间：2025年5月26日 15:00–16:00

Abstract: The primary task of many applications is approximating/estimating a function through samples drawn from a probability distribution on the input space. The deep approximation is to approximate a function by compositions of many layers of simple functions, that can be viewed as a series of nested feature extractors. The key idea of deep learning network is to convert layers of compositions to layers of tuneable parameters that can be adjusted through a learning process, so that it achieves a good approximation with respect to the input data. In this talk, we shall discuss mathematical theory behind this new approach and approximation rate of deep network; we will also show how this new approach differs from the classic approximation theory, and how this new theory can be used to understand and design deep learning networks.

报告人简介：沈佐伟教授，现任新加坡国立大学杰出讲席教授和数学科学研究所所长。主要研究方向为数据科学中的数学基础，致力于发展数学理论与算法并应用于数据科学，同时以应用推动理论创新。在逼近理论、小波框架、图像处理、压缩感知与机器学习等领域取得了一系列具有代表性的成果，对相关学科的发展产生了积极影响。他曾在国际数学家大会（ICM）和国际工业与应用数学大会（ICIAM）等重要学术会议上作特邀报告，荣获新加坡国家科学奖及国际光学工程学会（SPIE）“小波先锋奖”。他是美国数学学会（AMS）和工业与应用数学学会（SIAM）会士，并当选为新加坡国家科国内自拍院士、发展中国家科国内自拍（TWAS）院士及欧洲科国内自拍（EurAsc）院士。他积极参与公共学术事务，现任或曾任多个顶级数学及其应用期刊的编委，包括 Forum of Mathematics Pi 以及多个 SIAM 和 AMS 期刊。此外，他还参与或曾参与多个国际学术组织的重要工作，如 ICM 报告人遴选小组、ICIAM 学术委员会、ICIAM 奖项评审委员会及 TWAS 院士遴选委员会等。在新加坡国立大学，他曾担任副教务长、研究生院院长、理国内自拍院长及数学系主任，并因在大学事务与学术发展中的贡献而获颁新加坡公共行政奖章银章。

欢迎各位参加！