数理与统计学院；吴迪

6月13日晚，上海大学涂一辉老师应数理与统计学院邀请在线上为广大师生作了题为“SchulzNN: A NeuralNetwork-Based Matrix Inversion Solver Inspired by Schulz Iteration”的学术报告。报告会由数理与统计学院院长王国强教授主持。

涂一辉详细介绍了其最新研究成果――将神经网络应用于基础数学中的优化问题。针对当前神经网络在矩阵求逆方法中的应用，涂一辉老师开发了名为 SchultzNN 的网络架构。将传统数值计算方法与当前主流的神经网络技术深度融合，该方法以参数学习的方式创新性地模拟传统迭代过程，在保持计算效率的同时兼顾了理论严谨性。涂一辉老师举例介绍了了 SchultzNN 的系统框架在矩阵计算中的多种问题的应用。

围绕网络的性能表现与优化效果，同学们踊跃提问，积极探讨稀疏矩阵与网络结构的深度优化路径，尝试将传统数值解法与神经网络模型相融合，问题既具技术深度，也体现出其对理论机制的关注。