2026年6月21日上午，中国人民大学长聘教授、统计与大数据研究院院长朱利平应邀在砺志楼114作题为“支持向量机欠光滑和机器学习过拟合问题”的学术讲座，讲座由施建华老师主持。

讲座中，朱利平教授围绕数据科学基础算法中的两个重要问题——支持向量机的欠光滑问题和机器学习中的过拟合现象展开深入讲解，系统介绍了团队近年来取得的研究成果及相关理论进展。

首先，朱教授介绍了支持向量机模型在高维数据分析中的重要地位，并指出传统支持向量机损失函数存在非光滑性，这在理论分析和大规模计算中都会带来困难。针对这一问题，朱教授提出利用卷积光滑技术对损失函数进行光滑化处理，在保持原有凸性结构的基础上增强函数的光滑性，从而获得具有更好数值稳定性和计算效率的优化模型。随后，他进一步介绍了基于卷积光滑思想构建的线性收敛算法及其最优统计收敛速度，并结合分布式大数据环境，阐述了去中心化分布式计算框架在支持向量机模型中的应用，为大规模机器学习问题提供了高效、透明且具有严格理论保证的求解方法。

随后，朱教授围绕深度学习中的过拟合问题进行了专题报告。他指出，随着深度学习模型复杂度不断提高，过拟合已成为影响模型泛化能力的重要因素。针对这一问题，研究团队建立了一套具有普适性的机器学习过拟合评估方法，从理论角度刻画模型复杂度与泛化性能之间的关系，为机器学习模型的性能分析和可靠性评价提供了新的理论依据。

报告过程中，朱教授结合支持向量机、深度学习等典型机器学习模型，通过大量实例和理论分析，详细阐释了卷积光滑技术、分布式计算框架以及过拟合评估方法的核心思想与实现机制，并介绍了相关研究成果在国际顶级期刊上的发表情况及其在人工智能、数据科学等领域中的应用前景。与会师生认真聆听，积极思考，现场学术氛围浓厚。

在交流讨论环节，现场师生围绕高维数据分析、支持向量机优化、分布式机器学习算法以及深度学习模型泛化能力等问题与朱教授进行了深入交流。朱教授结合自身长期从事统计学习、高维数据分析和数据永利集团的经验，对相关问题进行了详细解答，并分享了当前统计学与人工智能交叉研究的发展趋势和前沿方向。现场讨论热烈，师生们纷纷表示受益匪浅。

本次讲座不仅加深了师生对支持向量机理论、机器学习优化方法以及过拟合问题本质的理解，也进一步拓宽了师生在统计学习、人工智能和大数据分析领域的研究视野，对推动学院相关方向的学术交流和交叉融合研究具有积极意义。

朱利平教授现任中国人民大学长聘教授、博士生导师，统计与大数据研究院院长，国家重大人才工程入选者、国家杰出青年科学基金获得者，享受国务院政府特殊津贴，担任国家重点研发计划项目首席科学家，兼任中国现场统计研究会生存分析分会理事长和高维数据统计分会副理事长，长期从事统计学习、高维统计与数据永利集团，在国际顶级统计学期刊发表大量高水平论文，并担任《美国统计学会会刊》《统计年刊》《中华统计学》《多元分析期刊》等国际权威期刊副主编或编委。