应我院邀请，2026年5月14日下午，华北电力大学陈德刚教授在砺志楼114作了题为《卷积神经网络的矩阵乘积表示及其应用》的专题讲座。yl6776永利集团相关师生到场聆听学习，讲座由陈锦坤老师主持。

讲座中，陈德刚教授围绕“卷积神经网络（CNN）的数学本质与优化表示”这一前沿主题，系统介绍了如何通过矩阵乘积的形式对CNN进行重新表述，并探讨了这一方法在提升计算效率与解释性方面的应用价值。讲座内容立足于数学与人工智能的交叉领域，重点阐释了线性代数工具在深度学习模型结构分析中的核心作用。

报告过程中，陈德刚教授首先回顾了深度学习的发展历程，特别强调了卷积神经网络在图像处理、模式识别等领域取得的巨大成功。他指出，尽管CNN表现优异，但其复杂的参数结构常被视为“黑盒”。随后，陈教授详细展示了他的研究成果：通过矩阵乘积状态（Matrix Product States, MPS）和张量分解技术，将复杂的卷积运算转化为更具数学规律的矩阵表示。

在具体方法层面，陈德刚教授重点分析了以下几个核心要点：

1.卷积层与矩阵乘积的等价性：他详细推导了如何将多维张量的卷积操作映射为块循环矩阵乘积，为模型的理论分析奠定了基础。

2.模型压缩与加速：基于矩阵分解的方法，他展示了在保证识别准确率的前提下，如何大幅减少神经网络的参数量，从而适应嵌入式设备等资源受限的场景。

3. 算子表示的应用：结合实际案例，陈教授说明了这种表示方法在特征提取优化以及提高网络泛化能力方面的显著成效。

讲座最后，陈德刚教授与在座师生进行了深入的互动交流，耐心地回答了关于“数学理论如何更高效地指导神经网络架构设计”等专业问题。

本次讲座内容丰富、逻辑严密，既有扎实的数学理论推导，又有前沿的应用场景分析。讲座的成功举办，不仅拓宽了师生们在人工智能数学基础领域的学术视野，也对我院推动数学与计算机科学的深度交叉研究起到了积极的促进作用。

陈德刚，华北电力大学数理学院教授，控制与计算机工程学院博士生导师。1991年于四平师范学院获得理学学士学位，1994年于东北师范大学获得理学硕士学位，2000年于哈尔滨工业大学数学系获理学博士学位。2000年至2004年，先后在西安交通大学理学院和清华大学CIMS研究中心从事博士后研究工作。