首先是邓云生做的关于“多层复杂网络群体行为的动力学研究”的报告。复杂性科学以研究复杂系统及其复杂性为主要内容，其研究内容涉及物理学、生物学、社会学、经济学等多个自然学科和社会学科。在我国，复杂系统包括复杂网络作为基础研究也已列入《国家中长期科学和技术发展规划纲要》。如今复杂网络的研究主要集中于以下方面：复杂网络建模、结构与功能分析；网络控制、多个体系统控制与稳定性、互联网、生物网络、系统生物学、生物动力系统等方面。在演讲的过程中老师提问了什么叫做“小世界网络模型”。小世界的概念，简单地说就是用来描述这样一个事实：尽管一些网络系统有很大的尺寸，但其中任意两个节点之间却有一个相对较小的距离。小世界特征除了有比较短的平均距离外，还表现出相对较大的聚类系数。还有就是关于“BA无标度网络模型”等相关问题。

接下来为我们演讲的是刘凡的“基于多源干扰的多自主体系统的一致性分析与研究”。分布式网络是一门综合性的交叉学科，涉及到众多的领域。多智能体系统的一个最大的优势就是通过各智能体之间的相互合作控制，能将整个系统由大变小，由复杂变简单，完成单个智能体不能完成的任务，实现相对复杂的目标。鉴于多智能体系统的优势，各学科领域的研究人员从不同角度对多智能体系统展开了全面探索。论坛中刘凡同学向我们讲述了什么是“分布式协同控制”，分布式协同控制就是指智能体之间互相协调合作进行信息传递，按照目标要求改变自身的状态，共同实现比较复杂的目标。

最后演讲的一名同学是杨照璐带来的关于“三维几何数据的深度学习”的相关研究。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，像素人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。在杨照璐同学报告的过程中三位老师对其研究做了点评，比如：当前深度学习这一领域的发展状况和当前应用比较广泛的学习模型，以及在模型训练过程中所需要的样本集的问题等等。

学院里举办的这次研究生学术论坛，从某种意义上来说是一种教学方式的革新。一方面同学们可以将近期的研究成果与大家一同分享，另一方面，通过老师的点评指正可以发现研究过程中出现的失误和不足。最后杨洪勇老师对此次研究生论坛作了总结：通过这次论坛我们可以将自己的学习研究成果展现给大家，共同学习进步，像类似这样的活动要多多举办，这样才能促进同学们的综合发展。