6月11日，应数学与统计学院的邀请，中山大学任传贤教授线上为我院师生作题为“迁移学习的矩匹配原理与方法”的学术报告。数学与统计学院师生共十余人参加此次报告。

本次报告，任老师介绍了基本背景，变化环境中的机器学习与迁移学习的相关工作，迁移学习旨在将从一个或多个源任务中学习到的知识迁移到目标任务，以提升目标任务的学习效率和性能。矩匹配作为其中的关键方法，通过对齐不同域数据分布的矩（如一阶矩、二阶矩等），减小源域与目标域之间的差异，使得源域知识能更好地应用于目标域。任老师详细介绍了矩匹配的基本原理，并阐述基于矩匹配的多种方法，包括传统的矩匹配算法以及在深度学习框架下的应用与拓展。最后，通过实验证明了所提方法的有效性。

报告结束后，任老师对师生提出的相关问题进行了积极的回答，开拓了在场学生的科研视野，受益匪浅。

专家简介：

任传贤，中山大学教授、博导，国家重点研发计划项目首席科学家。现任数学学院副院长，中国数学会计算数学分会常务理事，广东省（广州）工业与应用数学学会副理事长兼秘书长。长期关注视觉人工智能领域的数学建模与数值算法研究，在国际重要学术期刊IEEE TPAMI, TIP, TNNLS, TMI, IJCV等发表论文六十余篇，曾获教育部自然科学研究优秀成果二等奖和中国图象图形学学会自然科学二等奖。

（数学与统计学院  程广伟）