讲座信息
报告人:黄高博士
清华大学自动化系
“智源学者”青年科学家
主持人:孙广宇
时间:2019年12月24日 星期二 10:00am
地点:理科二号楼2736会议室
[报告摘要]
随着深度学习在工业界的广泛应用,人们对模型的关注不仅仅在其预测精度,同时也对计算和存储效率提出了更高的要求。在提升模型效率的诸多手段中,神经网络结构创新始终是最为有效的方式之一。本报告将简单回顾卷积神经网络的典型结构,分析有利于提升模型效率的方法与原则。报告还将从动态自适应推理的角度,介绍如何通过合理的结构设计,使模型能够针对不同的样本实现计算量的“按需分配”,达到降低平均计算开销的目的。
[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10000余次。曾获得CVPR最佳论文奖(DenseNet)、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、世界人工智能创新大赛SAIL先锋奖和吴文俊人工智能自然科学一等奖和优秀青年奖等奖励和荣誉。