（通讯员 吴志伟 闵靖）4月23日上午，由统计与数学学院主办的“中南·统数”求真创新论坛（2026年第3期）在双创楼A栋813教室成功举办。西南财经大学首席教授林华珍受邀以“Generative adversarial learning with optimal input dimension and its adaptive generator architecture”为主题开展前沿学术分享。本期讲座由统计与数学学院副院长吴远山教授主持，学院师生积极参与。

林华珍在讲座中指出，输入维度会影响生成对抗网络（GANs）的泛化误差，其团队通过理论与实验验证了存在一个能最小化泛化误差的最优输入维度（OID）。为确定该维度，他们提出广义GANs（G-GANs）框架，将现有GANs作为特例，并引入组惩罚与架构惩罚机制，该框架具备自适应缩减初始维度、维度缩减同步缩小生成器网络规模且有理论保障、端到端训练中可动态调整输入维度与生成器网络三个主要特性，模拟与基准实验表明G-GANs性能优越，且由其识别出的输入维度所生成的特征与视觉显著特征相吻合。

本次讲座不仅加深了大家对神经网络领域的认识，也为在场师生带来了学术启发。

嘉宾简介：林华珍，西南财经大学首席教授，统计研究中心主任，首届新基石研究员，国际数理统计学会IMS-fellow，入选多项国家人才计划项目。主要研究领域为统计学，在非/半参数统计、生存分析、深度神经网络等方面取得重要成果，其中有20多项研究成果发表在国际统计学四大或各交叉领域顶刊上。先后担任国际统计顶刊JASA、生物统计顶刊Biometrics、计量经济顶刊JBES等6个国际统计期刊的Associate Editor，及《数学学报》（英文版）、《应用概率统计》《系统科学与数学》等编委。现任国际数理统计学会会士选举委员会委员，国际泛华统计学会ICSA董事会成员，中国现场统计研究会副理事长，中国现场统计研究会数据科学与人工智能分会理事长，全国工业统计学教学研究会副会长等。

审核人：梁娜