2025年5月17日，山西大学大数据科学与产业研究院成功举办了第17期数据智能（DIG）大讲堂。本期活动邀请到了来自东南大学计算机科学与工程学院的张敏灵教授，为研究院师生带来了题为"Delving into the Calibratability of Deep Neural Networks"的报告。

在报告会上，张敏灵教授深入探讨了深度神经网络在不确定性估计中的校准能力问题。他指出，尽管现代神经网络具有较高的准确率，但在概率输出的可信度方面仍存在显著偏差。报告以标签平滑、混合训练和权重衰减为例，通过系统的实证研究揭示了这些常用正则化技术在提升模型准确率的同时，却可能削弱模型在训练后进一步校准的能力。张敏灵教授强调，模型的可校准性是实现高可信度人工智能系统的关键，并提出了避免过度压缩特征信息和提升后校准性能的有效策略。此次报告不仅拓展了与会者对深度学习模型可靠性的新认知，也为未来的模型设计和优化提供了重要的理论指导和实践思路。

讲者简介：张敏灵，东南大学计算机科学与工程学院教授，博士生导师。主要研究领域为机器学习、数据挖掘等领域研究，相关工作发表于TPAMI、TKDE等重要国际期刊，以及KDD/AAAI/IJCAI/ICML/NeurIPs等重要国际会议。据Google Scholar统计，相关工作被国际同行引用12,000余次(as of Nov.2021)。现任中国人工智能学会机器学习专委会副主任、江苏省人工智能学会副理事长等。担任《中国科学:信息科学》、《IEEE TPAMI》、《ACM TOIS》、《ACM TIST》、《Frontiers of Computer Science》、《Machine Intelligence Research》等期刊编委，ACML、PAKDD 指导委员会委员，AAAI/IJCAI/ICML/ICLR/KDD等国际会议领域主席30余次。曾获CCF-IEEE CS青年科学家奖(2016)、国家杰出青年科学基金(2022)等。