（通訊員：王岩 劉暢）11月18日，來自中國農業大學、中國地質大學（武漢）、湖北大學的三位專家學者做客理學院研究生學術年會，分别以“Safe screening rule for sparse learning”“深度學習在地震數據插值中的應用研究”“高光譜遙感圖像小樣本分類方法研究”為主題作學術報告。活動采取線上線下方式進行，近百名師生參加本次活動。

中國農業大學徐義田教授就“大數據背景下如何提高稀疏學習模型的訓練速度”進行展開，針對樣本稀疏、特征稀疏、樣本與特征同時稀疏三種情況下，基于優化理論，結合參數選擇過程進行安全篩選，在保證精度不變的情況下删除那些冗餘的樣本或特征，極大提高模型的訓練速度。中國地質大學付麗華教授提出，複雜的地質條件和經濟成本等限制，造成采集到的數據在空間上稀疏或不規則分布，而數據的稀疏或不規則分布會嚴重影響後續資料的處理和解釋。利用數據插值技術對地震道集進行高精度、高分辨率、高效的規則化重建，可以獲取高質量地震資料、降低勘探成本并提高成像精度，同時可将其推廣到更複雜稀疏學習模型中，加快問題的求解。湖北大學彭江濤教授在報告中指出，由于采集條件限制和人工标注成本較高，遙感圖像通常面臨标記樣本稀缺問題，在有限标記樣本下，開展高光譜遙感影像分類研究具有重要的實際應用價值和意義。并重點介紹了自監督對比學習、少樣本學習、領域自适應相關的小樣本深度分類模型，給出相關方法在典型高光譜遙感影像上的應用情況。

本次學術報告作為理學院2022年研究生學術年會系列活動，聚焦學術前沿與領域熱點，通過搭建高質量學術研究與交流讨論平台，幫助研究生，幫助研究生們拓展學術視野，提升創新能力，培養創新思維，激發學術志趣。

編輯：劉暢

審核：李偉夫