<u id="dkiu6"><button id="dkiu6"><code id="dkiu6"></code></button></u>
  • <progress id="dkiu6"></progress>

    1. <b id="dkiu6"></b>
      
      
    2. <source id="dkiu6"></source>

        深度學習最新研究簡介 --談談生成對抗網絡GAN報告會的通知

        報告人:章志華

        題目:深度學習最新研究簡介 --談談生成對抗網絡GAN


        時間:

        20199月11日19:00-21:00--第1講:深度學習與生成對抗網絡GAN簡介

        20199月18日19:00-21:00--第2講:生成對抗網絡GAN研究及其應用

        地點:新安學堂104


        報告人簡介:章志華,男,教授,1987年畢業于合肥工業大學計算機應用專業,獲得工學學士學位;1990年畢業于合肥工業大學智能數字系統方向,獲得工學碩士學位;2001年畢業于國立日本九州工業大學大學院(研究生院)計算機科學與系統工程研究院日本知識工學與CAD國家重點研究室,獲得信息工學博士學位;1996~1997年任公立日本九州系統信息技術研究所(ISIT)高級研究員;現任日本山陽女子大學人類生活學科(系)教授,學科長及大學的信息中心長;IEEE Computer Society學會、日本人工智能學會、日本情報處理學會等學會的正會員;日本精密儀器工學會KE-CAD專業委員會委員;擔任國際學術雜志《INFORMTION》及《智能工程與系統IJIES》兩個學術雜志的主任編委;2010年作為中國科協海智專家,應邀出席在武漢召開的中國科學技術大會年會;被收錄入2011年《Who's Who in the world》世界名人錄。

        近年,機器學習作為構成AI的基本技術有了顯著的發展。特別是深度學習技術的研究成果,被廣泛應用于圖像分類,對象檢測,分割,自然語言處理和語音識別等領域。由于其卓越的表現能力,現在已顯示出超越傳統機器學習技術的巨大潛力和成果。

        深度學習技術的發展日新月異,一旦有新的研究成果發表,其實裝代碼往往也會隨之公布,其應用研究也迅速得到展開并很快應用于各類商業領域中。其中,最近最受關注的技術之一是生成對抗網絡(Generative Adversarial Networks,簡稱GAN)。GAN是一種生成模型,它通過從數據中學習特征,然后根據現有數據的特征生成或轉換出現實不存在的數據。

        GAN作為一種“無監督學習”的方法而受到關注,該方法在不提供正解數據的情況下也能學習特征。由于其架構的靈活性,它可以根據各類靈感應用于廣泛的領域。其應用研究和理論研究也在迅速不斷地進化,其未來發展也因此受到高度期待。

        本次講座通過對機器學習,特別是生成對抗網絡GAN的入門介紹,使大家對機器學習的最新研究有所了解,提高學生對機器學習研究的興趣并為今后的發展方向提供有益的參考。




        計算機與信息系

        20199月6日





        小黄色片