报告题目1：深度稳健的多通道学习子空间聚类网络

报告人简介：方梦竹，东北电力大学理学院数学与统计学系教师，博士，讲师。2024年6月于东北师范大学数学与统计学院获得博士学位，同年7月来到东北电力大学理学院工作。研究方向为：深度学习、无监督高维数据集分类问题、子空间聚类算法等。2023年以第一作者身份发表WOS一区SCI期刊论文1篇。

摘要：随着网络和科学技术的高速发展，大规模、高维度数据集的分析和处理成为了当前机器学习、数据挖掘以及计算机视觉等多个领域中的研究重点。子空间聚类算法依据高维数据集内部的低维子空间结构对数据集进行有效地聚类划分，是当前处理高维数据集聚类问题的重要手段。相较于传统的子空间聚类算法，深度稳健的多通道学习子空间聚类网络（DRMCLSC）与深度学习网络相结合提出了全新的基于多通道学习的特征提取方式，解决了高维数据集在降维过程中产生的信息损失问题，为子空间聚类算法提供了全面有效的特征表示，提高了子空间聚类算法的稳健性和聚类结果。

报告题目2：旋转时空双变交错网格有限差分地震波场正演模拟

报告人简介：罗玉钦，东北电力大学新能源材料与器件教研室教师，博士，讲师。于吉林大学获得学士、硕士和博士学位。长期从事物理场数值模拟研究，近年来以第一作者或者通讯作者在地球物理学报，ACTA GEOPHYSICA等期刊发表SCI/EI论文6篇，取得国家发明专利两项。

摘要：在交错网格有限差分算法中，模型网格剖分原则与正演计算效率密切相关．当模型存在小型非均质体或者低降速层等情况，为保证精度，满足稳定性条件，需缩小网格步长，导致局部过采样，计算效率低下．为保证模拟精度的同时保持高计算效率，通常采用变化的空间网格与时间步长相结合的高阶有限差分模拟方法对波场进行模拟．然而，时空双变算法存在着交错网格固有缺点，在模拟非均匀性较强的复杂介质波场传播时，需对介质参数进行平均或内插．同时，该算法在空间与时间上的变网格实现极为复杂．为压制变网格引起的虚假反射，提升模拟精度和计算效率，在时空双变网格算法的基础上，采用旋转差分角度的方式，给出了旋转时空双变交错网格算法．该方法既保留了旋转网格和双变网格的优势，又简化了时空双变算法流程，更利于推广和应用。