6月13日，電子信息工程學(xué)院在仙溪校區(qū)C6-105舉辦了題為《A Squeezed Artificial Neural Network for the Symbolic Network
Reliability Functions of Binary-State Networks》的60周年校慶系列活動(dòng)之學(xué)術(shù)報(bào)告會(huì)，報(bào)告人為臺(tái)灣清華大學(xué)工業(yè)工程與工程管理系特聘教授、美國(guó)德州大學(xué)工業(yè)工程博士葉維彰教授，共有200余名師生參加了報(bào)告會(huì)。

葉維彰教授在報(bào)告中指出，網(wǎng)絡(luò)可靠性是現(xiàn)代社會(huì)提供決策有用信息的重要指標(biāo)。由于現(xiàn)代網(wǎng)絡(luò)中的網(wǎng)絡(luò)參數(shù)動(dòng)態(tài)和快速的變化，需要頻繁調(diào)用符號(hào)網(wǎng)絡(luò)可靠性函數(shù)（SNRFs）進(jìn)行網(wǎng)絡(luò)可靠性評(píng)估，其計(jì)算性能對(duì)網(wǎng)絡(luò)性能有直接影響。經(jīng)過(guò)多年研究，葉教授提出了壓縮人工神經(jīng)網(wǎng)絡(luò)（SQANN）方法對(duì)網(wǎng)絡(luò)可靠性進(jìn)行高效評(píng)估，改方法中使用蒙特卡羅模型對(duì)采用Box-Behnken設(shè)計(jì)矩陣實(shí)現(xiàn)網(wǎng)絡(luò)可靠性進(jìn)行初步估算，然后利用Taguchi方法找到適當(dāng)數(shù)量的神經(jīng)元，通過(guò)隱層和輸出層在ANN中的激活函數(shù)來(lái)評(píng)估SNRFS，該方法優(yōu)于傳統(tǒng)的基于人工神經(jīng)網(wǎng)絡(luò)的方法，在中位數(shù)絕對(duì)偏差至少提高了16.6%。

與會(huì)師生一致表示講座內(nèi)容很精彩，通過(guò)60周年校慶系列活動(dòng)之學(xué)術(shù)報(bào)告會(huì)活躍了校慶的學(xué)術(shù)氛圍，拓展了國(guó)際學(xué)術(shù)視野和研究思路方法，有助于加強(qiáng)高校同行的合作、溝通。（電子信息工程學(xué)院）

撰稿：梁植   審稿：王東