12月13日，信息科学技术学院邀请到了美国南加州大学滕尚华教授，带来了一场题为“Regularization, Heuristics, and Strategy: A Long Journey Towards Understanding a Few Fundamental yet Fuzzy Concepts in Computing”（正则化、启发式与策略：探索计算机科学中一些基础而模糊概念的漫长之旅）的专题讲座。
讲座伊始，滕尚华教授便强调了当今计算科学正处于一个巨变的时代，面临着前所未有的挑战和机遇。他指出，随着大数据时代的到来，计算问题的规模空前巨大，传统的算法和理论框架已经难以满足实际需求。因此，启发式方法作为一种在没有完整信息下仍能做出智能决策的必要手段，逐渐在计算科学中崭露头角。
在讲座中，滕教授详细阐述了启发式方法的定义和特性。他指出启发式方法是面对极大搜索空间时的一种必要方法，它们通常直观且有效。为了更深入地理解启发式方法，滕教授通过一系列实践中的启发式案例，如谱图划分和二分决策图等，向听众们展示了启发式方法在实际应用中的强大威力。
此外，滕教授还探讨了启发式方法背后的理论基础，以及如何通过实验工作来识别算法领域的重要新问题。他提到，发展预测算法和启发式方法在真实数据和真实计算机上性能的手段，是算法领域的一大挑战。同时，他也强调了平滑分析等方法在理解启发式方法性能方面的作用。
在讲座的后半部分，滕教授将话题转向了机器学习中的启发式方法，特别是正则化技术。他指出，正则化是机器学习中的核心方法，通过引入额外的约束或惩罚项来防止模型过拟合。他总结了启发式方法和策略在计算科学中的重要性，并鼓励听众在未来的研究中继续探索这一领域。
滕教授的讲座内容丰富、深入浅出，既有理论的高度，又紧密联系实际，让在场的师生受益匪浅。他鼓励大家，在面对计算机科学领域的未知与挑战时，要保持好奇心与探索精神，勇于跳出传统思维框架，不断追求新的理论突破与实践创新。本次讲座是对我校师生创新精神与实践能力的一次深刻启迪。
专家简介
滕尚华是南加州大学计算机科学与数学系教授、Seeley G.Mudd教授。他是SIAM、ACM和Alfred P.Sloan基金会的研究员，曾两次获得哥德尔奖，第一次是在2008年，因为开发了平滑分析，第二次是在2015年，因为设计了突破性的可扩展拉普拉斯求解器。西蒙斯基金会称他为“世界上最具原创性的理论计算机科学家之一”，并任命他为2014年西蒙斯研究员，以追求长期的好奇心驱动的基础研究。他还获得了2009年Fulkerson奖、2021年ACM STOC时间测试奖（用于平滑分析）、2022年ACM SIGecom时间测试奖项（用于解决计算纳什均衡的复杂性）和2011年ACM STOG最佳论文奖（用于改进最大流最小切割算法）。此外，他和合作者开发了第一个用于任意三维域的最优形状良好的Delaunay网格生成算法，解决了鲁棒统计中的Rousseuw-Hubert回归深度猜想，并解决了组合博弈论中关于Sprague-Grundy定理的两个长期存在的复杂性理论问题。他与施乐、美国国家航空航天局、英特尔、万国商业机器公司、阿卡迈和微软有行业合作，并在编译器优化、互联网技术和社交网络等领域获得了15项专利。
