题目：A stable neural network for inverse scattering problems with contaminated data

摘要：我们考虑通过单个入射场收集的远场数据来重建障碍物的反散射问题。基于Runge-Kutta离散格式，提出一个新的网络单元RKBlock，该结构建立了神经网络与离散微分方程之间的联系，将网络的前向传播过程解释为非线性动力系统的参数估计问题。根据Lyapunov-Krasovskii方法框架对RKBlock进行理论分析，并给出其稳定性条件。数值结构表明，由RKBlock构建的神经网络不仅在处理反散射问题时具有较高精度，而且在噪声干扰和有效孔径等因素导致信息严重缺乏的情况下，依然能够实现令人满意的反演效果。

报告时间：2023年7月3日，下午14:00-15:30

报告地点：理学楼609

报告人简介：孟品超，长春理工大学数学与统计学院教授，硕士研究生导师，主要研究兴趣是数学物理反问题、机器学习算法的设计与理论分析等。近年来主要从事反散射问题数值算法和机器学习方法性质研究，尤其是设计有效的反散射问题求解算法并对其进行相应的理论分析。在Journal of Computational and Applied Mathematics， Inverse Problems and Imaging， Communications in Computational Physics等国内外重要期刊发表论文20余篇。