内容

王瑞利+聂飞平教授报告

阅读数:21    发布:2020-06-04 08:42    更新:2020-06-05 14:40    

报告人:王瑞利,新西兰梅西大学人工智能专业教授

报告时间:202064日星期四晚上18:30-19:10

报告地点:腾讯会议ID: 812 487 571

 

报告题目:深度学习及其在自然语音、语音、声音、图像和视频中的应用

 

报告摘要:将主要介绍在自然语音,语音,声音,图像和视频等几个方面最新研究方向和新进展,主要包括在2020 ACL上发表的一篇文章,以及最近提交给InterSpeech的两篇文章和ACM Multimedia的三篇文章。   

 

报告人简介: 王瑞利教授于2003年获得爱尔兰都柏林城市大学计算机科学专业博士学位。其研究领域涉及语音与语言处理、机器学习和数据挖掘、计算机视觉与图像处理等方面,发表学术论文共150余篇,其中100篇为期刊论文。目前担任IEEE Transactions on Emerging Topics in Computational Intelligence (IEEE)Knowledge and Intelligent Systems (Springer)Applied Soft Computing (Elsevier)以及Neurocomputing (Elsevier)等国际期刊的副编辑(或编委会成员)。指导了20名博士和8名硕士完成学业。在基于机器学习的语音处理方面,于2013年获得了新西兰Marsden项目基金资助,并于2017年获得了新西兰国家科学挑战的种子项目基金资助。

 


 

报告人:聂飞平,西北工业大学教授

报告时间:202064日星期四晚上19:10-19:50

报告地点:腾讯会议ID: 812 487 571

 

报告题目:基于结构化二部图学习的大数据聚类方法

 

报告摘要:大数据聚类的主要挑战之一在于如何以极低的成本处理海量高维数据,同时提高聚类效果。很多大规模聚类方法基于稀疏采样的思想,聚类效果好坏主要取决于模型能否高效学习代表点和原始数据的关系。在结构化图学习的基础上,我们提出了一种基于结构化二部图学习的快速聚类方法。通过在原始数据和代表点间迭代地学习一个稀疏结构化二部图,可以直接得到聚类结果,避免了在传统方法中随机初始化会对最终聚类结果造成影响的问题。该方法复杂度很低,并且显著提高了大数据聚类的质量。

 

报告人简介: 聂飞平,西北工业大学教授、博士生导师。国家青年千人,陕西省百人。主要研究兴趣为机器学习理论和方法,并将所设计的方法成功应用于计算机视觉、数据挖掘、多媒体分析、生物信息学等实际问题中。已在PAMIIJCVICMLNIPS等高水平期刊会议上发表系列学术论文,其中影响因子大于10的一区期刊论文50余篇,IEEE/ACM Transactions期刊论文100余篇,CCF A类会议论文100余篇。论文工作引起国内外学者的广泛关注,总被引用17000余次,H指数72。入选科睿唯安全球高被引科学家和爱思唯尔中国高被引学者”榜单。在新智元发布的全球首个华人AI学术影响力Top100名单中排名第9,在清华大学发布的2020年人工智能最具影响力学者榜单中位居经典AI子领域全球第5。荣获CCF自然科学奖一等奖、吴文俊人工智能自然科学奖二等奖等奖项。常年担任相关领域的审稿人、资深程序委员或领域主席,以及IEEE/Elsevier/Springer等多个SCI一区二区期刊编委。


深圳大学计算机与软件学院 2009-2016