武科大网讯（通讯员曲思潼）为紧跟人工智能领域前沿步伐，提升学生专业能力，3月30日，我院于11B110成功举办人工智能技术培训活动。此次培训聚焦卷积神经网络学习关键板块，吸引众多学生参与。
培训伊始，“攀登者”竞赛部部长钱文杰从基础概念入手，以清晰逻辑剖析卷积神经网络从全连接层到卷积的演变，结合生动实例讲解图像卷积原理，细致解读填充和步幅设置要点，助力师生理解。在多输入多输出通道、汇聚层等进阶知识讲解上，钱文杰深入剖析技术本质，揭示其增强神经网络数据处理能力的内在机制，协助学生突破知识难点。
在经典卷积神经网络模型LeNet的讲解环节，钱文杰凭借专业知识，从网络层搭建、参数配置等多个维度，对LeNet架构设计的精妙之处进行了剖析。为帮助学生加深理解，钱文杰现场搭建模型，将其应用于复杂的图像识别任务。学生通过大屏幕，清晰看到模型快速、精准地识别出图像中的各类物体，直观感受到LeNet在实际场景中的强大应用效能 。
培训推进至现代卷积神经网络板块，钱文杰围绕AlexNet、VGG、NiN、GoogleLeNet等典型架构展开讲解。剖析AlexNet如何借GPU加速开启深度学习实用化；点明VGG规整结构在图像分类中的优势；介绍NiN多层感知卷积层的创新思路；阐释GoogleLeNet Inception模块提升性能、缩减参数的特性，为学生构建系统知识体系。针对批量规范化、残差网络、稠密连接网络等前沿技术，钱文杰现场进行模型训练与代码解读，将抽象知识具象化，助力学生内化知识。
本次培训为学生搭建深度学习知识交流与提升平台，激发了大家探索人工智能领域的热情。“攀登者”会长程铭表示：“本协会很荣幸参与开展本次人工智能技术培训，希望能够助力学生提升科研创新能力，推动学科建设，开创人才培养的新局面。”
