可积深度学习-PE-RWP: 用于怪波模式和Peregrine波定位的多项式特征提取的深度学习框架
数学专题报告
报告题目(Title)：可积深度学习-PE-RWP: 用于怪波模式和Peregrine波定位的多项式特征提取的深度学习框架
报告人(Speaker)：陈勇 教授（华东师范大学/山东科技大学）
地点(Place)：后主楼1223
时间(Time)：2026年1月24日（周六）9:00-10:00
邀请人(Inviter)：祁娟娟、王灯山
报告摘要
我们提出了一种基于深度学习的"怪波模式多项式提取器"（PE-RWP）。该方法取代了传统的高阶怪波解在大参数条件下的渐近分析，能够自动且准确地识别怪波模式中的多项式特征。PE-RWP独特的双分支网络架构（包括一个用于确定参数值的回归分支和一个用于识别相应多项式类型的分类分支），使其能够有效地输出这种广义的多项式结构，并识别受任意缩放和旋转变换影响的怪波模式。此外，作为基于怪波模式数学理论的应用，我们利用PE-RWP输出的多项式族，通过深度学习方法实现Peregrine波的无监督定位。最后，通过广泛的实验评估，这两个问题——多项式提取和Peregrine波定位——都得到了有效解决，且准确性高。
主讲人简介
陈勇，华东师范大学/山东科技大学，教授，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。提出可积深度学习算法，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 SCI 论文 300 余篇。主持国家自然科学基金面上项目5项，国家自然科学基金重点项目 3 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团队项目 2 项(PI）。在AI方面的贡献：陈勇教授2019年开创性的提出了可积深度学习的概念和框架，带领其博士研究生团队，取得了突破性研究成果。在《Journal of Computer Physics》《Physica D》《Chaos》《Chaos Solitons & Fractals》等国际重要学术刊物上发表了30余篇学术论文。近期应美国布朗大学工程院院士Karniadakis教授之邀做了关于可积深度学习的报告。
