美国加利福尼亚大学Francesco Bullo教授应邀做线上报告

2021年10月13日上午10:30-11:30邀请美国加利福尼亚大学圣巴巴拉校区机械工程学院、控制、动力系统及计算中心教授Francesco Bullo作题为“Non-Euclidean Contraction Theory and Implicit Neural Network”的线上学术报告。本次讲座主要讲述收缩理论及其在神经网络中的应用的相关工作。实验室众多师生参与了此次线上讲座，并且积极踊跃跟Bullo教授进行提问互动。

（点击图片可跳转至讲座视频播放页面）

本讲座讨论了收缩理论及其在神经网络中的应用。首先，Bullo教授引入了弱半内积作为非欧几里德范数的分析工具，并建立了收缩和增量稳定性的等价刻画。为了方便后续的理解，Bullo教授对鲁棒性、输入状态稳定和网络稳定性的概念在这一场景下的概念进行了推广。接下来，Bullo教授基于非欧几里得L无穷范数的收缩理论，设计了适定且鲁棒的隐式神经网络。这一设计具体包括（1）基于单侧Lipschitz常数的一个新的适定性条件，（2）计算不动点的平均迭代，以及（3）输入-输出Lipschitz常数的显式估计。理论讲解后，Bullo教授以列车这一应用背景对上述提出的相关理论进行验证，证明了提出方法的有效性。报告最后，Francesco Bullo教授针对这一领域提出了一些未来值得的研究方向。

Francesco Bullo教授曾就读与任职于帕多瓦大学（意大利）、加州理工学院与伊利诺斯大学香槟分校，目前是加州大学圣巴巴拉分校机械工程系和控制、动力系统和计算中心的教授。他的研究兴趣包括网络化系统的分布式控制，以及在多机器人系统、智能电网以及社会网络等方面的应用。他曾获IEEE Control Systems Magazine（CSM）杰出论文奖（2008）、Hugo Schuck最佳论文奖（2010）、SIAM Activity Group on Control and Systems Theory（SIAG/CST）最佳论文奖（2013）、Automatica最佳论文奖（2014）、Guillemin-Cauer最佳论文奖（2016）等。同时，他是IEEE，IFAC和SIAM Fellow，他曾担任IEEE、SIAM和ESAIM期刊的编辑委员会成员，并于2018年担任IEEE控制系统协会主席，于2020至2021年担任SIAG/CST期刊主编。