本网讯（通讯员宋蜜）11月26日，西安电子科技大学计算智能研究中心公茂果教授应钟燕飞教授邀请来我实验室访问交流，并作题为“Deep Neural Networks and Image Change Detection”的学术报告。在报告中，公茂果教授首先回顾了神经网络的发展历史，指出面对大数据的诸多挑战，深度神经网络（Deep Neural Networks,DNN）在一些应用领域展示出明显的优势和潜力。针对深度神经网络稀疏学习模型（DNN Sparse Learning Model）中的稀疏程度控制参数难以确定的问题，提出将稀疏学习问题建模成多目标优化问题，分别把保真项和稀疏项作为两个目标，对其同时进行优化，得到一组折衷解。
公教授汇报了深度神经网络解决空时影像变化检测关键难题上的最新进展。针对多源遥感数据的数据结构差异大和高维数据的冗余度高等问题，指出深度神经网络是一种高度可塑性的模型，可以灵活地对复杂数据进行建模，而且具有表示学习和特征抽象的特性，能够处理各种种类的，有大量冗余的数据。进而提出了基于深度神经网络的合成孔径雷达影像变化检测方法（DBN）和多源遥感影像变化检测方法（DCCN）。DBN为端到端的非监督模型，利用深度神经网络具有较强的学习和分析识别性能，在一个神经网络中实现差异图生成和分析的功能，直接由两幅输入图像得到变化检测结果，从而避免了差异图生成方法对结果的影响。DCCN通过深度学习获得原始数据的更高级表达，然后在特征空间学习到两者之间的映射关系，然后通过该映射函数把多源数据变换到一个共同的特征空间，进而实现特征的比较。
报告引起了师生的激烈讨论提问，公茂果教授进行了深入浅出的解答。最后，钟燕飞教授在总结报告会时，代表师生向公茂果教授的来访交流表示衷心感谢。称赞这次学术报告内容层次高，内涵丰富，讲解透彻，让广大师生受益匪浅。
公茂果教授是西安电子科技大学计算智能研究中心负责人，陕西省重点科技创新团队负责人。主要研究方向为计算智能理论及其在数据和影像分析中的应用。主持完成国家863计划、国家自然科学基金等十余项课题，发表SCI检索论文100余篇，被引用4000余次，获国家发明专利授权10余项，获国家自然科学奖二等奖1项。曾获国家自然科学基金委“优秀青年基金”、"国家高层次人才特殊支持计划"中组部青年拔尖人才、霍英东青年教师奖、教育部新世纪优秀人才支持计划、中国高被引学者等荣誉或奖励。
 |
| 公茂果教授正在做报告 |
 |
| 与会师生与公茂果教授讨论 |
|
