11月13日上午，加拿大滑铁卢大学Jeff Orchard博士应信息科学与工程学院和山东省网络环境智能计算技术重点实验室邀请来我校作了题为“Combatting Adversarial Inputs in Neural Networks”的学术报告。信息学院有关领导、部分教师与学生参加了报告会，报告会由信息学院副院长陈贞翔教授主持。

由于深分类网络在分类输入方面表现出极大的准确性，往往使深分类网络成为所选择的对抗性输入、随机输入的牺牲品，从而产生一个高置信度的虚假分类，但感知又是一个双向过程，涉及到前馈感觉输入与反馈期望之间的相互作用。如何有效解决这个矛盾？在报告会上，Jeff Orchard博士以近期发表的两篇优秀学术论文“Combatting Adversarial Inputs using a Predictive-Estimator Network”、“Style Memory: Making a Classifier Network Generative”为例，介绍了由其本人及团队构建的一个预测性（PE）网络，其中包含生成性（预测性）反馈，并显示出该网络不易受到对抗性输入的影响，同时结合实例演示了PE网络的其他一些属性。

Jeff Orchard博士的报告引起了与会人员的强烈兴趣，大家围绕报告内容、重点实验室相关研究问题在报告会及随后进行的讨论会上，进行了深入的探讨与交流。

Jeff Orchard博士是加拿大滑铁卢大学终身制副教授。1994年毕业于滑铁卢大学数学专业获学士学位，1996年毕业于加拿大英属哥伦比亚大学数学专业获硕士学位，2003年毕业于加拿大西蒙弗雷泽大学获计算机科学博士学位。历任多个知名国际会议的委员及分会主席，同时是加拿大自然科学与工程基金和多个国际顶级期刊的评审人。研究方向为计算神经科学，通过数学模型和计算机仿真来理解大脑的复杂运行机理。在基底核网络的决策模型、视觉网络的无监督学习、空间浏览、种群编码、医疗图象处理等领域做出了突出贡献，在IEEE Transactions on Image Processing、IEEE Transactions on Medical Imaging、IEEE Transactions on Geoscience and Remote Sensing等顶级刊物和会议上发表学术论文近70篇。