时 间：2019年6月17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
单 位：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：
本次报告分三个部分，第一部分介绍深度学习的一般化，包括过度拟合、偏置和方差的交易、模型的调谐和评价、基于惩罚的正则化、综合法、早停法、无监督的预训练、连续和课程学习、参数分享以及无监督应用的正则化。第二部分介绍径向基函数网的结构和训练。第三部分介绍有限玻尔兹曼机，包括Hopfield神经网、玻尔兹曼机、有限玻尔兹曼机和堆叠有限波尔兹曼机。
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。
