报告人：王圣军 教授（陕西师范大学）

报告题目：临界态的学习性能

报告时间：2025年5月17日 16:00

报告地点：理工楼1201

联系人：黄亮

报告摘要：

模仿神经网络的非线性动力学模型可以涌现出多种功能，不仅可以实现记忆，而且可以学习逻辑规则。使用非线性映射的离散动力学，可以通过多种方式学习逻辑规则。使用连续动力学系统学习逻辑规则，系统需要处于自组织临界态。本报告将介绍连接结构对于临界态下的网络学习性能的影响。我们的研究表明，临界点受到双向连接的影响。当网络处于临界态，双向连接能有效地提升学习XOR规则的成功率，而学习的速度对于该结构特征是鲁棒的。对于最短路径的分析表明，双向连接使网络主干结构更加复杂，替代路径增加，提高信号从输入端到达输出端的概率，从而实现更高的学习成功率。此外，结构的改变显著地减少了最短路径以外的节点活动，提高了网络运行的效率。

个人简介：

王圣军，2004年兰州大学本科毕业，2009年在兰州大学获得博士学位，现为陕西师范大学教授。研究方向为非线性动力学，统计物理与复杂系统，主要研究神经网络的临界动力学，自组织临界现象，霍普菲尔德神经网络。发表论文50余篇。