本网讯：（程学勤 图文报道）10月27日下午，我院本学期第三场学术报告会在志学楼506顺利进行。本次报告会由副院长崔鹏主持，邀请了徐凯、冯平和陈旭三位博士为我院师生开展学术讲座，我院教师、研究生、本科生等近100人参加了此次讲座。

徐凯博士的讲座题目为“基于用户选择的数据化决策”。当前流量商业化红利发展势头迅猛，如何根据用户偏好和需求，高效迭代开发产品成为公司产品开发人员的必要技能。如何确定最精准的受众群体，如何优化新用户的注册流程来提高转化率，如何确定最优的营销内容和营销时间，如何确定产品优惠券的最有价值，如何增加产品功能来提升用户留存，如何衡量市场营销的效果等问题需要得到妥善解决。徐凯博士以A/B测试为例，讲解了解决以上数据化决策问题的方法，包括A/B测试的假设检验，A/B测试指标的统计属性，A/B测试的关键步骤包括目标和假设、选取实验单位、分析测试结果，A/B测试的适用范围及替代方法等。

冯平博士开展了名为“基于时空信息融合的目标跟踪”的讲座。视频目标跟踪在初始帧给定目标位置和大小，需要在后续帧中预测目标的位置和尺度信息，在跟踪过程中可能受到其它物体的干扰、光照、姿态和运动等因素的影响。本次报告中，冯平博士从目标跟踪的基本方法，以及如何有效地融合时间和空间的信息实现更准确的目标跟踪等，为在场师生进行了介绍。

陈旭博士的讲座题目为“鲁棒贝叶斯神经网络”。深度学习模型会受到不易察觉的对抗噪声的恶意干扰而做出明显错误的决策，这会对深度学习系统造成严重的潜在安全威胁。贝叶斯神经网络将网络权重视为随机变量，为深度学习模型提供了概率解释。尽管贝叶斯神经网络是一种比普通深度神经网络更鲁棒的深度学习范式，但它们在实践中处理对抗噪声的能力仍然有限。研究有效的对抗防御策略以增强贝叶斯深度学习模型的对抗鲁棒性，对促进安全可信深度学习系统的构建具有重要意义。针对对抗环境下贝叶斯神经网络鲁棒性不足的问题，本次报告中，陈旭博士首先介绍了贝叶斯深度学习、不确定性估计及深度学习中的对抗攻击与防御，其次为在场师生讲解了提升贝叶斯模型对抗鲁棒性的多任务对抗训练方法，最后对贝叶斯深度学习的局限性做了简要介绍。

学术讲座现场气氛热烈，徐凯、冯平和陈旭三位博士与现场师生展开了积极的交流与互动。三位博士所作报告开阔了在场师生的视野，发人深省，对我院的学科发展和合作交流起到了积极的推动作用。

一审：王凌云

二审：谭  健

三审：卿  春