6月5日学术报告(潘毅教授,美国乔治亚州立大学)
类别:未知 发布人:admin 浏览次数: 发布时间:2018-06-01 10:06
报告题目:   深度学习在大数据的应用:挑战及机遇
报告时间:   2018年6月5日 (星期二) 上午 10:00-11:00
报告地点:   武汉大学计算机学院B403
报告人:     潘毅
报告人国籍: 美国
报告人单位: 乔治亚州立大学计算机科学系州校董教授、系主任
 
报告人简介:
    潘毅教授出生于江苏省,1977年江苏省理科状元。1982年在清华大学获得计算机工程学士学位,1984年在清华大学获得计算机工程硕士学位。1987年来美国留学,1991年由美国匹兹堡(Pittsburgh)大学计算机科学系获得计算机科学博士学位。同年开始在美国代顿(Dayton)大学计算机科学系任教。1996年晋升为副教授。1997年获代顿大学终生教职。2000年加入乔治亚州立大学计算机科学系,2005年晋升为计算机系主任,2013年晋升为校级杰出教授,2015年晋升为州校董教授(乔治亚州教授中的最高职称)。曾担任该校的文理学院副院长及生物系主任,目前是该校的计算机系主任。潘毅在2013年被中国校友会网统计为“中国自1952年以来最杰出的33位高考状元”之一。
报告摘要:
深度学习已经在大数据分析中得到了广泛的应用。深度学习的概念源于人工神经网络的研究,但又不同于传统的人工神经网络。由于深度学习算法的改进,大数据的存在和功能越来越强大的计算能力,我们现在可以比以往任何时候模拟更多层的神经元。 深度学习目前在计算机视觉、自动语音识别、自然语言处理、音频识别和医学图像处理方面取得了许多显著的成就。 尽管各种深度学习架构和算法已经用于许多大数据应用,但将深度学习扩展到更复杂的应用(如生物信息学和高维数据),将需要更多在概念、架构、算法、理论和软件方面的突破,以及更强大的计算处理能力了。该报告将概述在深度学习研究中所面临的挑战和机遇,介绍作者在深度学习研究中取得的成果,其中包括新颖的深度学习架构、对高维数据处理的方法、超参数的自动寻找策略、新颖的算法和理论证明等,同时也会指出在这个领域未来的研究方向。
 
邀请人: 刘峰教授
 
上一篇:5月31日学术报告(Prof. Chaoyang Zhang, University of Southern Missi
下一篇:6月11日学术报告(张锐 美国特拉华大学)