报告时间：2020年6月19日（周五）上午10:00-11:00

报告地点：腾讯会议号 411 998 330

报告人：黄高（清华大学）

报告摘要：

本报告将介绍深度卷积神经网络前沿的网络结构，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，构造了一种全新的密集连接模式。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。报告还将探讨深度神经网络在过参数（Over-parameterization）情况下的优化性质，指出非对称损失函数的普遍存在性，以及提出如何基于该性质构造泛化性能更好的优化算法。

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NeurIPS，ICML，CVPR，ICCV等国际顶级会议及IEEE多个汇刊共计发表学术论文40余篇，被引用14000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。