时间：6月11日上午9:30-11:00

地点：工商楼200-9

报告人：卜凯峰（哈佛大学物理系博士后）

摘要：One of the central problems in the study of deep learning theory is to understand complexity of the neural networks. In this talk, we will introduce the topological entropy from dynamic system as a measure of complexity of neural networks. We will also discuss the depth-width trade-offs of neural networks via topological entropy.

报告人简介:卜凯峰博士于2014年获太阳成集团tyc411(中国)有限公司-百度百科学士学位，2019年获博士学位，导师为武俊德教授。2017年9月到2019年3月，由浙江大学学术新星计划和哈佛大学图形语言研究计划联合资助前往哈佛大学学习。现为哈佛大学物理系博士后，导师为美国科学院院士Arthur Jaffe教授。主要研究方向为量子信息和数学物理。近些年已经在Commun. Math. Phys., Phys. Rev. Lett.等期刊发表了多项重要工作。

联系人：刘伟华（lwh.math@zju.edu.cn）

欢迎参加！