1月16日下午，信息学院邀请燕山大学练秋生教授为我院师生开展2024年第1期IT讲坛系列讲座，主题为“深度学习时代下的压缩感知”。学院副院长李秀梅主持此次讲座，学院老师和研究生50余人线上聆听。

练老师深入探讨了“深度学习时代下的压缩感知”这一课题，将内容分成了四个重要部分，包括稀疏表示、线性CS、非线性CS，未来的发展与挑战。

练老师提出，大脑是宇宙间已知最复杂的结构，神经元数量约为千亿，但同一时刻只有少量神经元激活。在稀疏表示方面，主要使用的模型为综合稀疏模型，稀疏变换模型，视觉工作机制启发的深度稀疏模型等。此外，练老师的团队致力于研究去噪与压缩感知技术，提出了端到端的LG-Net网络，即融合局部与全局互补先验的自适成像算法；端到端的BCS网络，即基于多尺度残差网络的压缩感知重构算法。在相位恢复的方法上，练老师团队也有很多的创新技术，如基于卷积字典学习的相位恢复优化模型和基于HIO投影深度展开网络相位恢复技术等。练老师还对未来的研究方向进行了展望，对于低采样率，强噪声，测量模型误差等问题进行了探讨，这使大家能够更好地了解该领域的前沿研究动态。

最后，为了帮助大家更好地理解这些理论知识，讲座设置了互动环节，观众通过在线提问的方式与练老师进行了深入的学术交流，为研究生们提供了近距离了解深度学习时代下压缩感知领域的绝佳机会。不仅能深入了解前沿研究动态，还能拓展视野、培养创新思维，为日后的学术研究和职业发展打下坚实基础。（图/刘光宇 文/吴凡 李国靖）