1月9日下午，福建师范大学计算机与网络空间安全学院副院长陈黎飞教授应邀做《可解释性序列表征学习》专题学术讲座。本次讲座聚焦序列表征学习与可解释性的核心理论、技术方法及前沿应用，为我院师生在统计学习、数据挖掘、模式识别等相关领域的研究提供了全新视角，有力推动了学术交流与科研创新思路的拓展。
 |  |
本次讲座由执行院长谢志春主持。谢院长首先对陈黎飞教授的莅临表示热烈欢迎，并向现场师生详细介绍了其学术背景与研究成果。陈教授博士毕业于厦门大学基础数学专业（人工智能基础方向），长期深耕统计学习、数据挖掘、模式识别理论及应用研究领域，学术履历丰富、成果卓著。
 |
专题讲座中，陈黎飞教授围绕序列表征学习与可解释性展开系统阐述。他首先清晰界定了核心概念，指出数据表征是将原始数据转换为可处理格式的关键步骤，而序列表征学习则需结合特征工程与深度学习，实现数据内在特征的高效提取；可解释性作为人工智能技术落地的重要支撑，涵盖透明性、后可解释性与因果性三大核心维度，能够让模型工作原理清晰易懂，同时提升泛化能力。针对序列数据的特殊性，陈教授深入剖析了时间序列（如脑电波、股票价格波动）与符号序列（如DNA、文本）的核心挑战，详细介绍了显式表征（如 HMM 模型）与隐式表征（如 DTW 算法）等主流处理方法，展现了序列数据处理的多元技术路径。
 |  |
在应用场景与未来方向部分，陈教授结合实际案例，讲解了可解释性在时间序列分析、符号序列处理、医疗诊断等领域的实践价值——例如在医疗领域，可通过可解释性技术提升模型精准度与医生信任度；在文本处理中，借助token 化实现关键词高效提取。同时，他还分享了联合优化、智能硬件适配、多发射模型等未来研究方向，为在场师生指明了该领域的探索路径。
 |
学术交流环节气氛热烈，现场师生踊跃提问，围绕序列数据处理的技术难点、可解释性模型在具体场景的落地应用、多任务学习的实践路径等问题与陈教授展开深入探讨。陈教授凭借扎实的理论功底与丰富的实践经验，逐一耐心解答，引发了全场师生的深度思考。
 |  |
在师生们的热烈掌声中，本次专题学术讲座圆满落幕。此次讲座不仅为师生们带来了序列表征学习与可解释性领域的前沿知识盛宴，更激发了大家的科研热情与创新动力。未来，人工智能学院将持续打造多元化、高质量的学术交流品牌活动，汇聚学界优质资源，助力师生开拓学术视野、深化科研合作，为人工智能领域的理论创新与应用落地注入源源不断的活力。
 |
编辑丨曾玲、赵芷仪
二审丨叶诗菡
审核丨谢志春、向汉城