主讲人：周海军 研究员 (中国科学院理论物理研究所)

题目：侧向预测编码和感知器在线主动学习初探

时间：2022年10月25日上午10:00

会议ID：（腾讯会议）963-628-655

联系人：俞连春

报告摘要：

近年来，神经网络的统计物理物理学越来越引起人们的关注。从自旋玻璃和组合优化的角度看待神经网络的参数学习问题是一个重要视角。神经网络的学习过程，可以看成是在网络中建立一个内部模型表征外部世界的过程。作为初学者，我将分享我们在侧向预测编码和感知器在线主动学习方面的一点点理论和实证结果 [1,2]，并讨论侧向预测编码和感知器结合在一起进行模式识别相关的理论问题。

[1] 黄振业等，“Lateral predictive coding revisited: internal model, symmetry breaking, and response time”, CTP 74, 095601 (2022).

[2] 周海军，“Active online learning in the binary perceptron problem”, CTP 71, 243 (2019).

个人简介：

周海军，中国科学院理论物理所研究员，中科院理论物理前沿重点实验室常务副主任，闽江理论物理协作中心主任，曾入选中科院百人计划及获得国家杰出青年基金支持。1995年毕业于南开大学物理系，2000年获中国科学院理学博士学位，2000年获洪堡基金会资助在德国马克斯普朗克胶体与界面研究所从事博士后研究，2005年入职中科院理论物理所。研究领域为统计物理，尤其侧重于自旋玻璃平均场理论及其在交叉学科中的应用。代表性著作有《自旋玻璃与消息传递》（科学出版社，2015）。