7月8日由教师发展中心主办，信息与通信工程学院、生命科学与技术学院承办的“学者论坛”讲座在清水河校区宾诺咖啡举行，邀请宾夕法尼亚州立大学电气工程系Vishal Monga教授作题为“Model Based, Explainable Deep Learning Via Algorithm Unrolling”的学术报告。

Vishal Monga教授首先向我们介绍了algorithm unrolling这一概念，解释了该算法框架的特点。接下来，Monga教授向我们重点介绍了如何将algorithm unrolling用于迭代优化方法，并设计高效且可解释的神经网络，指出了该类方法长期为信号处理和计算成像提供了分析基础，具有重要研究意义。

最后，Monga教授向我们展示了该方法在盲和非盲图像反卷积中的应用和数据对比等相关分析结果，并分享了他在该方法上的研究著作和成果。

Monga教授的讲座引发了在场老师和学生的积极讨论，在同学们和老师的提问互动中，Monga教授认真解答了每一个问题。在回答中，Monga教授也提到，电子科技大学有很多优秀的学生，他相信学生们未来在科研工作中能有更多的创新，进行更深入的研究。

相关链接：

Vishal Monga，宾夕法尼亚州立大学电气工程教授，研究工作主要为基于优化的图像和视觉、传感器和信号处理方法：稀疏约束估计、非凸约束的可行算法、基于深度学习的迭代优化，及其在雷达与声纳系统和医学成像中的应用。在IEEE TIP、IEEE TSP、IEEE TGRS、IEEE TAES等国际一级学术期刊发表学术论文120余篇，会议论文110余篇，出版成像领域书籍《Handbook of Convex Optimization Methods in Imaging Science》1部。曾担任ICASSP、ICIP等多个会议组织和计划委员会成员，现任多个会议技术方案和审查委员会会员。曾担任SPIE JEI、IEEE TIP、IEEE TCSVT等国际高水平期刊副主编、现担任多个国际期刊编委。