致远筑梦·研采纷呈丨自动化与软件学院导师有约:深度学习算法简介及其工业应用-夜雨聆风

致远筑梦·研采纷呈丨自动化与软件学院导师有约:深度学习算法简介及其工业应用

在人工智能技术飞速发展、智能制造全面升级的时代浪潮中，深度学习作为人工智能核心技术分支，已广泛应用于工业数据分析、生产过程优化、质量预测与故障诊断等关键场景。系统掌握深度学习算法原理与工业落地方法，对于拓宽研究生科研视野、强化工程实践能力、培育创新研究素养具有重要价值。

4月29日晚，自动化与软件学院邀请青年教师董倩倩做客第21期“导师有约”，以“深度学习算法简介及其工业应用”为主题，在致远楼A-110为2025级控制工程专业研究生进行了专题授课。本次报告围绕深度学习基础理论、算法类型、模型搭建流程及工业场景实践应用展开，内容体系完整、案例详实典型，为同学们深入理解人工智能赋能工业过程优化提供了清晰、专业的指导。

董倩倩老师结合自身研究，同时紧扣学科前沿与工程实际，介绍了人工智能、工业大数据、深度学习与复杂工业过程控制等内容，帮助同学们直观把握深度学习在工业领域的应用背景。随后，董老师从深度学习的基本概念与发展历程入手，系统讲解了神经网络、感知器、卷积神经网络以及深度学习兴起的关键技术，帮助同学们构建完整的知识框架。在理论讲解环节，董老师全面讲解深度学习所需的数学基础与编程工具，覆盖线性代数、微积分等核心知识，以及 Anaconda、PyTorch、PyCharm等常用开发工具与第三方库。同时，董老师还结合监督学习、无监督学习、半监督学习、自监督学习等不同学习机制，介绍了单类分类、重构、预测、生成、对比学习和混合模型等典型算法类型，使同学们对深度学习模型的任务形式和应用逻辑有了更加清晰的理解。

在工业应用部分，董倩倩老师以转炉炼钢过程为背景，重点讲解深度学习在复杂工业过程中的落地实践。围绕工艺模式提取、工艺参数优化、终点钢水质量预测和质量异常根因分析等实际工程问题，展示改进自编码器、改进条件生成对抗网络、注意力加权组卷积模型、高斯伯努利受限玻尔兹曼机自由能模型等方法的应用成效。通过真实案例，同学们直观认识到深度学习不仅支撑理论研究，更能切实服务于工业过程控制、生产质量提升、异常诊断溯源等工程需求。

活动过程中，同学们认真聆听、积极思考，围绕深度学习模型选择、工业数据处理、预测模型构建以及科研入门方法等问题进行交流。大家纷纷表示，本次报告不仅加深了对深度学习算法的理解，也进一步认识到人工智能技术在工业应用中的广阔前景，对今后的课程学习、科研选题和工程实践具有重要启发意义。

展望未来，自动化与软件学院将继续依托“导师有约”平台，聚焦人工智能、智能制造、工业大数据分析等学科前沿方向，持续开展形式多样、内容丰富的专题学术活动，进一步拓宽研究生学术视野，激发科研创新热情，助力研究生综合素质与创新能力不断提升。

导师简介：

董倩倩，博士，硕士生导师，北京科技大学仪器科学与技术专业毕业，现为山西大学自动化与软件学院机械电子工程系讲师，主要研究方向为大数据分析、深度学习算法，主讲本科课程《计算方法》和《热工基础及流体力学》。

近年来，先后主持国家自然科学青年科学基金项目、山西省基础研究计划青年科学研究项目等项目；在Journal of Manufacturing Systems、Metallurgical and Materials Transactions B、Journal of Iron and Steel Research International、《工程科学学报》等国际重要学术刊物上，以第一作者身份发表学术论文5篇，授权1项发明专利。