时 间： 2019年6月10日，下午2:00 - 4:00
地 点： 武汉光电国家研究中心A301
报告人： 孙毅博士 纽约城市大学城市学院
邀请人： 黄振立教授、袁菁教授
报告内容简介：
本次报告分两个部分，第一部分介绍浅层网的机器学习，包括传统的机器学习方法、二分类、线性回归、逻辑回归、支持向量机、多分类模型、用自动编码器做矩阵分解。第二部分介绍深层神经网的训练，包括反向传播、网络设置和初始化、梯度趋零和爆炸、梯度下降策略、批次处理的规范化、加速和压缩。
报告人简介：
孙毅博士现为纽约城市大学城市学院电子工程系副教授，终身教职，哥伦比亚大学兼职副教授。孙毅博士曾获得上海交通大学电子工程学士（1982年）和硕士（1985年）学位，美国明尼苏达大学电子工程博士（1997年）学位。孙博士的研究集中在系统建模、参数估值、算法发展、性能分析、基于统计和信息理论的图像处理方法等，其应用领域包括人工神经网络和机器学习、超分辨单分子显微术、无线通信与网络、机器人源头搜索、图像认知、功率谱分析，基于组织荧光的癌症检测、基于DCE-MRI/磁共振血管造影成像/关系建模的肿瘤和动脉硬化症的新血管评估等。
