本网讯（文／陈庆利，图／李学军）2019年12月20日，在特教楼C-501会议室，新加坡国立大学Daniel Seng和四川大学蒲亦非教授为计算机科学学院师生带来两场学术报告。Seng教授的报告主题为“NLP在实证法律研究中的应用和局限(The Application of NLP to Empirical Legal Research and Its Limitations)”、蒲教授的报告主题为“分数阶忆阻及视频的重建”。本次报告由互联网自然语言智能处理四川省高等学校重点实验室主任金澎教授主持。

Daniel Seng是新加坡国立大学法学院副教授，人工智能与法律中心主任，新加坡最高法院转型与创新办公室特别顾问。他长期耕耘于信息技术法、证据、网络安全、隐私和数据保护法，以及机器学习、自然语言处理和统计技术在法律中应用的教学与科研工作。研究应用实证研究方法考察国际版权立法，该论文是教育限制与例外(TERA)国际新条约的一个基础。

  Seng教授的报告对NLP及其在实证法学研究中的应用进行简要介绍。通过几个实例研究，探讨统计方法应用于法学领域时，由于法律诉讼、法律语言处理、法律推理的复杂性而产生的一系列问题，进而对NLP在实证法学研究中应用的限制进行解释。针对统计学、人工智能等方法应用于法学中的问题，Seng教授给出一些解决上述问题的解决方案和实证法学研究更为有效的方法。

蒲亦非是四川大学计算机学院(软件学院)教授、博士生导师、四川省千人计划创新人才、自动化学会分数阶系统与控制专委会副主任。蒲教授长期聚焦基于分数阶微积分的现代信号处理这一新兴学科分支的尝试性探索和系统研究。提出图像处理最基本的6种分数阶微分算子；提出分抗的度量单位和物理量纲，将迷失的第四种电路元件忆阻推广到分数阶，用模拟电路实现国际上第一个分数阶忆阻。2018年获奖吴文俊人工智能自然科学奖三等奖。

蒲教授在报告中将Hopfield神经网络与分数阶微积分理论联系起来，创造性地提出了基于分数阶Hopfield神经网络。通过3组对比实验生动形象地展示了分数阶神经网络相较于整数阶神经网络更容易跳出局部最优解；之后介绍了分忆抗的部分基础知识，基于分忆抗的视频重建复原新理论框架，利用t_n时刻的分忆抗值，设计了特定的反演核函数，从而复原出t_n-1～t_n时刻的历史输入值。在演示赛车复杂路径复原的演示视频实验中，仅利用采集的3个分忆抗值，就基本重现出0～t_n时刻的该赛车的历史路径。在重建复原视频的整个过程中，两者基本重合，进行了精确的复原重现。

Seng教授与蒲教授在精彩报告之后与在场师生进行了深入的交流，本次学术交流会圆满结束。