应我校航空学院机械结构力学及控制国家重点实验室刘先斌教授的邀请，加州大学Merced分校工程学院孙建桥教授于2019年10月11日访问了我校，并做了题为“A Genetic Algorithm for Optimal Design of Neural Networks ”的学术报告。

    孙建桥教授在报告中指出，人类目前面临大数据时代，因此机器学习和人工智能将重塑传统的工程科学研究。在机器学习中，有一个著名的定理——万能近似定理(Universal Approximation Theorem)，它是深度学习最根本的理论依据。它声明在给定网络具有足够多的隐藏单元的条件下，配备一个线性输出层和一个带有任何“挤压”性质的激活函数(如logistic sigmoid激活函数)的隐藏层的前馈神经网络，能够以任何想要的误差量近似任何从一个有限维度的空间映射到另一个有限维度空间的Borel可测的函数。万能近似定理其实说明了理论上神经网络可以近似任何函数，于是就产生了这样一个问题，对于给定的数据集合，什么样的模型既在回归和预测又在分类意义下是最小和最优的？这个问题将导致在神经元体系优化设计中的多目标优化问题。孙教授在报告中介绍了他们团队在胞映射数值计算的基础上，运用已知的大数据集，提出的有关基因算法用于神经网络的优化设计。此算法能够具有较小的计算误差较好的计算效率。最后，孙建桥教授公布了他的团队多年的研究成果——胞映射源程序代码开源的网址，此举获得了在场师生的热烈掌声！

    报告内容丰富、精彩生动，对我校相关的非线性动力学研究工作具有借鉴和指导意义。此次交流访问对于增强我校对外开展学术交流和合作研究将起到积极的促进作用。

    刘先斌教授主持了报告会。参加报告会的还有来访我校的西北工业大学数学系主任、洪堡学者许勇教授、南京航空航天大学航空学院金栋平教授、冷小磊副教授、李栋栋博士等全校师生数十人。

    孙建桥教授，1982年于华中科技大学获学士学位，分别于1984年和1988年于加州大学伯克利分校获硕士和博士学位，师从著名力学家、胞映射方法的创始人、美国工程院院士徐皆苏教授。孙教授现任职于加州大学默塞德分校工程学院，1994至2000年，任学术期刊《ASME Journal of Vibration and Acoustics》的副主编；并于2001起至今，任《Communications in Nonlinear Science and Numerical Simulations》的副主编；同时任《Journal of Sound and Vibration》和《Journal of Vibration and Control》的编委会成员，Springer出版的《International Journal of Dynamics and Control》期刊的创始主编。孙建桥教授的主要研究领域包括非线性随机振动、非线性动力学与控制、结构声传输有源控制和多目标结构优化与控制；获得了美国陆军研究室、海军研究室、空军研究室、国家自然科学基金、国家健康研究所和私营企业的充足的科研经费资助。孙建桥教授已培养30余名研究生，其中一半以上是博士生；已发表学术论文逾150篇，撰写专著《Stochastic Dynamics and Control》一书，并且是多本学术系列专著的主编。