明早十点！康奈尔博士后黄高：高效卷积神经网络的结构设计与探索

分享背景

卷积神经网络则是深度学习最具代表性的模型，在计算机视觉和自然语言翻译等领域有着极其广泛的应用。随着精度以及复杂度的逐步提升，卷积网络的推理效率问题越来越明显的成为制约其在实际应用中的瓶颈。本次 GAIR 大讲堂将从网络结构设计与推理方法等方面，分享黄高博士近期的一些研究成果与心得。

分享主题

高效卷积神经网络的结构设计与探索

分享提纲

1.探究卷积神经网络中的冗余性，并介绍如何通过改进网络结构减少冗余计算量；

2.通过引入动态预测方法，提升网络的推理效率；

3.介绍一种新的剪枝方法及卷积结构，训练面向移动端的轻量卷积网络；

分享人简介

黄高博士，现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与自然语言理解中的应用；获得北京航空航天大学自动化学院学士学位，清华大学控制科学与工程博士学位。其博士论文被评为中国自动化学会优秀博士学位论文以及清华大学优秀博士论文一等奖。目前已发表学术论文20余篇，其中一篇被中国科学技术信息研究所评选为2015年全国百篇最具国际影响学术论文；一篇获得国际计算机视觉顶级会议CVPR的最佳论文奖。

分享时间

北京时间 1 月 16 日（周二）10:00

参与方式