2020年5月26日20:30-22:00，智能信息处理与控制重点实验室2020年第3期学术沙龙顺利开展，本次沙龙以腾讯会议为平台（会议号：679183707），采用线上形式进行。本次沙龙特别荣幸地邀请到重庆三峡学院人工智能学院名誉院长王钧教授（IEEE Fellow、IAPR Fellow、长江学者）和美国哥伦比亚特区大学张念教授参加，中国石油大学（华东）跨媒体大数据联合实验室主任王健博士作为主讲嘉宾做了题为“One-dimensional and two-dimensional global optimal methods based on fractional calculus”的学术报告。
论坛由高子林博士主持，学院的冯玉明博士、余红宴博士、涂正文博士、程波博士、代祥光博士、张先休博士、杨仪博士等40余名教师参加了本次学术沙龙。
王健博士首先介绍了最速下降法在训练神经网络中存在的不足，即该优化算法不能找到目标函数的全局最优点，并指出GA、PSO和ACO等进化算法虽然在一定程度上可以找到全局最优值点，但受限于计算量和众多学习参数，因此，很少有学者将它们直接应用于神经网络模型。为了解决上述问题，王健博士尝试将分数阶微积分用于训练神经网络以寻找误差函数的全局最优值点。首先，介绍了分数阶微积分训练神经网络的数学模型。然后，给出了这种训练模式能够收敛到函数的全局最优值点的理论分析。最后，在2个函数逼近的实例上进行比较实验，仿真结果表明基于分数阶微积分的训练方法有着更有效的全局搜索能力，能确定全局最优解是其优于经典的基于最速下降法的训练模式的核心优势。
讨论阶段，学者们进行了热烈探讨。特别是王钧教授、张念教授提出了很多建设性的建议，让参与本次学术沙龙的老师受益匪浅！
