10月24日下午，西安交通大学人工智能与机器人研究所长江学者特聘教授陈霸东应邀在10110会议室，为学院师生作题为“信息瓶颈学习方法及应用”的学术报告。会议由周楠副教授主持，智能康复系统感知与控制国际联合研究中心师生代表共20余人参加。
信息论在机器学习中的应用日益广泛，然而传统模型在处理高维数据冗余、泛化能力弱、小样本适配等问题时仍面临挑战。针对上述问题，陈霸东在报告中系统介绍了信息瓶颈方法的基本原理，阐释其“输入-瓶颈变量-输出”的映射逻辑，以及通过优化互信息实现冗余剔除与关键信息提取的核心机制。他结合类脑计算、脑机接口、脑疾病诊断等应用场景，展示了信息瓶颈方法在多个领域的广泛适用价值。
陈霸东教授系统介绍了其团队在信息瓶颈领域取得的系列研究成果，内容具体涵盖三大核心方向：一是围绕信息瓶颈目标构建的基础理论研究，为该领域的技术突破与方法创新筑牢理论根基；二是探索脉冲神经网络与信息瓶颈的融合路径，通过构建新型学习模型，有效提升了智能系统的学习效率与性能稳定性；三是拓展信息瓶颈的应用边界，将其应用于脑疾病诊断的技术研发，推动理论成果向临床实用场景转化。报告过程中，陈霸东教授以深入浅出的讲解风格，将复杂的学术内容拆解为清晰易懂的逻辑脉络，其专业且生动的分享赢得了在场师生的阵阵掌声。
本次讲座聚焦信息瓶颈学习的前沿进展，系统阐释了信息论与机器学习的交叉融合路径，搭建了“理论创新—技术研发—临床应用”的交流平台，为智能康复系统感知与控制研究中心在康复设备研发、多模态数据处理等方向提供了有益借鉴，也进一步促进了高校间的学术协作，助力“健康中国”战略下医疗智能化创新发展。
