学　术

教师发展中心“学者论坛”活动特别邀请IEEE Fellow、美国宾夕法尼亚州立大学Vishal Monga教授来校作学术交流。具体安排如下，欢迎广大师生参加。

一、主　题：Algorithm Unrolling: Explainable Learning with Guarantees

二、时　间：2025年7月8日（周二）14:30-16:00

三、地　点：清水河校区宾诺咖啡

四、主讲专家：IEEE Fellow、美国宾夕法尼亚州立大学 Vishal Monga 教授

五、主持人：信息与通信工程学院 余显祥 副教授

六、内容简介：

讲座聚焦人工智能领域前沿方向——算法展开（Algorithm Unrolling），旨在探讨如何将深度学习模型的“黑箱决策”转化为“可解释、可验证、有理论保障”的可信系统。该方向针对当前深度学习“性能强但不可解释”的核心痛点，提出通过显式展开传统优化算法的迭代逻辑构建神经网络，为解决医疗、金融、法律等高风险场景的AI可信应用提供新范式。深度学习虽在图像、语言等领域取得突破，但其决策过程如“魔法黑箱”，难以追溯逻辑、验证边界，严重限制了在医疗诊断、司法判决等需“可解释性”的高敏感场景落地。学术界与工业界亟需一种既能保留深度学习性能，又能提供明确决策逻辑与理论保证的新型学习方法。算法展开正是在此需求下的关键突破——它将优化算法（如梯度下降、近端迭代）的每一步计算显式转化为网络层，使模型决策路径可追踪、参数更新规则可解析，为“可信AI”提供了从理论到工程的新路径。讲座将系统阐述算法展开的技术逻辑：通过将传统优化的迭代过程“展开”为可训练的网络模块，既保留深度学习的端到端学习能力，又继承优化算法的结构化约束（如稀疏性、正则化），使模型决策兼具数据驱动的灵活性与数学可解释的确定性。其创新在于将“可解释性”嵌入模型设计底层，而非事后补救，从而提供可验证的理论边界（如泛化误差上界、决策稳定性证明），为高风险场景的AI应用提供“性能-解释-安全”的三重保障。 

七、主讲人简介：

Vishal Monga，美国宾夕法尼亚州立大学电气工程教授。2001年在印度理工学院取得电子与通信工程技术学士学位，于2003在德克萨斯大学取得电气工程硕士学位，硕士期间兼任得克萨斯大学奥斯汀分校电子与计算机工程系研究与教学助理，2005年获得德克萨斯大学电气工程博士学位，博士期间于纽约州韦伯斯特施乐研究中心研究实习，2005年在微软研究担任访问研究员，2007-2008年担任纽约罗切斯特大学访问教师，2006-2009年在施乐PARC东部担任研究员，2011年在俄亥俄州代顿WPAFB空军担任暑期教员，2009-2015年在宾夕法尼亚州立大学担任Monkowski电气工程助理教授，2015-2020年在获得宾夕法尼亚州立大学电气工程副教授职位，2022-2023年在在意大利比萨大学担任访问教授。Vishal Monga教授的研究工作主要集中于基于优化的图像和视觉、传感和信号处理方法、稀疏约束估计、用于实际非凸约束的可行算法、迭代优化与深度学习之间的联系以及雷达与声纳系统在消费者和医学成像中的应用。在IEEE TIP、IEEE TSP 、IEEE TGRS、IEEE TAES等国际一级学术期刊发表学术论文120余篇，会议论文110余篇，出版成像领域书籍1部。

八、主办单位：教师发展中心

　　 承办单位：信息与通信工程学院 生命科学与技术学院