11月27日，西北工业大学倪清教授应我院邀请，为我院师生作题为《张量链式分解的不确定性深度表征学习理论与方法》的学术报告。报告由学院院长袁培燕教授主持，学院相关研究方向教师及研究生代表参加本次报告。
报告中，倪清教授系统阐述了张量链式分解在不确定性深度表征学习中的理论基础与方法架构，重点探讨了TT秩的选取策略、模型复杂度、交替优化收敛性分析，以及不确定性量化与对抗训练的融合机制。她结合自身在计算智能领域的深厚积累，通过多个工业与健康监测领域的实例，生动展示了张量链分解在高维、稀疏、不确定数据建模中的优势与潜力。倪教授指出，张量链式分解作为一种高效的数据表示工具，在系统退化分析、故障检测和寿命评估等场景中具有重要价值。她特别强调，构建张量学习模型时应兼顾理论严谨性与工程落地性，提醒师生在模型设计阶段需充分考虑信息损失与系统性能之间的定量关系，避免陷入“经验驱动、理论缺失”的误区。
在交流互动环节，与会师生围绕TT秩如何自适应调整、张量分解与深度学习如何有效融合、不确定性区间在实际系统中的可解释性等议题踊跃提问。倪教授结合自身研究实践逐一回应，并鼓励大家在理论研究与工业应用的结合中探寻创新路径。
本次报告内容系统深入、逻辑严密，既有理论前瞻性，又具工程指导价值，为我院师生在张量学习与不确定性建模方向的研究提供了重要启发。
专家介绍：
倪清，教授，博士生导师，国家级青年人才，斯坦福大学“全球前2%顶尖科学家”，皇家物理协会会刊“新兴领袖”。研究方向：智能运维、大模型、物理信息神经网络、数字孪生、信号处理。发表相关研究论文50余篇， SCI引用3300余次，H因子30，10余篇论文入选ESI热点或高被引论文。目前担IEEE Transactions on Industrial Informatics、Neurocomputing、Journal of Intelligent Manufacturing、IEEE Transactions on Instrumentation and Measurement、IEEE Sensors Journal等5个领域权威期刊的Associate Editor，以及Engineering Applications of Artificial Intelligence等期刊的Editorial Board Member，并担任多个国际知名期刊的Youth Editor、Guest Editor及国际会议分会主席。获2024国家级青年人才、斯坦福大学World's Top 2% Scientists、皇家物理协会会刊Emerging leader等荣誉。
（计算机与信息工程学院 赵俊红）