应我院邀请，12月5日上午，华东师范大学陈勇教授在砺志楼114作了题为《机器学习-可积深度学习算法》的报告。相关师生聆听了此次报告，报告由樊方成老师主持。

报告中，陈勇教授主要介绍了机器学习-可积深度学习算法的主题。提出了基于迁移学习的梯度增强型PINNs（TL-gPINNs）方法，用于函数系数发现的反问题，以克服神经网络中PDE损失离散特性的不足，并提高函数特征描述的准确性，为gPINNs提供了新的视角。TL-gPINN算法被应用于推断各种形式（多项式、三角函数、双曲函数和分数多项式）和多个变量系数的未知变量系数，同时提供了丰富的孤子解用于著名的变系数非线性Schrödinger方程。与PINN和gPINN相比，TL-gPINN在准确性方面取得了显著改善。此外，这些方法利用了迁移学习技术的优势，可以帮助缓解由于额外梯度损失项而导致的效率问题。数值结果充分证明了TL-gPINN方法在显著提高准确性方面的有效性，即使在训练数据受到不同水平噪声干扰或神经网络的超参数任意更改的情况下，在效率上胜过了gPINN。报告结束后，在座的师生就相关研究问题进行了探讨和交流。

陈勇，华东师范大学，博士生导师，计算机理论所所长，上海市闵行区拔尖人才。长期从事非线性数学物理、可积系统、计算机代数及程序开发、可积深度学习算法，混沌理论、大气和海洋动力学等领域的研究工作。提出了一系列可以机械化实现非线性方程求解的方法，发展了李群理论并成功应用于大气海洋物理模型的研究，可积深度学习算法的研究开发出一系列可机械化实现的非线性发展方程的研究程序。已在SCI收录的国际学术期刊上发表论文280篇。发表论文的SCI 引用4000余篇次，其中ESI热点论文2篇、高被引论文10篇。SCI一区、二区文章90余篇。主持国家自然科学基金面上项目4项，国家自然科学基金重点项目2项(第一参加人和项目负责人)、973项目1项(骨干科学家)、国家自然科学基金长江创新团队项目2项(PI)。