报告时间：2019年12月3日10:00-11:00

报告地点：南楼N202

摘要：本报告将简要介绍深度学习的基本原理及发展历程，并着重探讨一种典型的深度学习模型——卷积神经网络（CNN）。CNN在计算机视觉、语音识别和自然语言处理等领域有着极其广泛的应用。本报告将介绍CNN的模型及前沿的网络结构和算法，包括报告人提出的密集连接卷积网络模型(DenseNet)。DenseNet改变了传统神经网络的逐层连接方式，将网络拓展成二维的全连接模式。这种结构具有计算效率高、泛化性能好、对数据利用效率高等优点，已经成为计算机视觉领域的主流算法。报告还将介绍一种自适应推理卷积网络，该模型能够根据不同的样本自适应的分配计算量，极大地节省深度学习模型的计算量。

个人简介：黄高，清华大学助理教授，博士生导师。2015年获清华大学博士学位，2015年至2018年为美国康奈尔大学计算机系博士后。主要研究领域为深度神经网络的结构设计与优化算法，以及深度学习在计算机视觉和强化学习中的应用。目前在NIPS，ICML，CVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文30余篇，被引用9000余次。曾获得中国人工智能学会自然科学一等奖和优秀青年奖、中国自动化学会优秀博士学位论文、全国百篇最具影响国际学术论文、CVPR最佳论文奖（DenseNet）和世界人工智能大会SAIL先锋奖等奖励和荣誉。