12月13日下午，应统计学院邀请，武汉大学博士生导师焦雨领副教授为全校师生带来了一场题为“深度学习的理论研究：逼近、估计、优化和表示”的线上讲座，本次讲座由统计学院副院长刘小惠主持，部分教师和研究生参加。

讲座中，焦雨领副教授就深度学习发展历程进行了简单介绍。随后，围绕从误差估计的角度探讨深度学习需要注意的内容、过参数化的情况下如何对常用的任务进行误差分析、基于随机数据方程的抽样和深层次的分析、深度表征学习的内容等方面，焦雨领副教授进行了深入讲解，着重阐述了有关逼近误差、统计误差以及优化误差等三类误差的理论研究成果。

紧接着，焦雨领副教授从统计的观点讲解了深度学习。一方面，他从非参估计的角度给基于深度学习回归、分类、抽样（GAN以及从非标准化的分布抽样）、偏微分方程求解器提供理论保证，特别是过参数化情况下的误差分析；另一方面，他从非线性充分降维的角度去建模、分析有监督学习下基于深度学习的数据表示。

在讨论互动环节，参会师生积极提问，就相关学术问题及现实问题与焦雨领副教授开展积极互动，就报告中的相关问题进行了探讨，气氛非常活跃。焦雨领副教授的精彩讲座，使师生们对深度学习有了更深刻的了解，为大家从事深度学习方面的研究指引了新的方向。

【主讲人简介】

焦雨领，武汉大学数学与统计学院副教授，主要从事机器学习、反问题的研究。中国现场统计学会机器学习分会副理事长、中国工业与应用数学学会青年工作委员会委员。主持国家自然科学基金面上项目、青年项目和湖北省自然科学基金面上项目等多项项目。研究成果发表在SIAM Journal on Numerical Analysis、SIAM Journal on Scientific Computing, Applied and Computational Harmonic Analysis、 Inverse Problems, JASA、 AoS, Statistical Science: A Review Journal of IMS，IEEE Trans-actions on Signal Processing, Journal of Machine Learning Research、ICML、NeurIPS 等期刊、会议上。

(文图/余源泽 编辑/谢雨欣 审核/林阳 陶春海）