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： 次 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：   外围投注365B403
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）