2017全国深度学习技术应用大会.PDFVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2017全国深度学习技术应用大会.PDF

2017全国深度学习技术应用大会 尊敬的 先生/女士 ,您好 ! 2017全国深度学习技术应用大会将于2017 03月在北京召开。 会会议议 内内容容 深度学习不但使得机器学习能够实现众多的应用 ,而且拓展了人工智能的领域范围 ,并使得机器辅助功能都变 为可能。其应用领域正在加速渗透到很多领域 ,也催生了深度学习与其它应用技术的加速融合 ,为提升一线科研人 员对该技术的深入了解 ,中国电子学会拟于2017 3月25-26日在北京举办 “2017全国深度学习技术应用大会” , 会议将邀请国内知名专家就相关内容做特邀专家报告。 一一、、大大会会主主题题 ::拓宽研发思路 ,提高应用能力。 二二、、时时间间地地点点 ::2017 3月24 〜26日 24 日报到 地点 :北京 北航新主楼会议中心 第一报告厅 (海淀区学院路37 号北京航空航天大学内 ) 三三、、大大会会组组织织机机构构 :: 主办单位 :中国电子学会 承办单位 :中国电子学会学术交流中心 四四、、大大会会主主席席 ::王亮 中科院自动化研究所 五五、、大大会会交交流流形形式式 1.特邀演讲 :大会将邀请国内深度学习技术领域的著名专家 ,就深度学习技术的应用和最新动态做特邀报告。 2.宣传展示 :邀请深度学习技术相关科研单位和高新技术企业 ,宣传展示他们在深度学习技术领域的研究成果、新 产品和市场化内容。 3.大会发表新成果、新产品、新技术及研究报告 六六、、参参会会人人员员 1.国内外知名企业研发和工程技术人员。 2.国内外大、专院校科研技术人员。 3.行业组织、研究机构、应用工程单位等。 4.新闻媒体代表。 会会议议嘉嘉宾宾 拟拟邀邀专专家家 11、、报报告告题题 目目 ::面面向向自自然然语语言言处处理理的的深深度度学学习习方方法法及及应应用用 报告人 :陈恩红中国科学技术大学 报告摘要 :深度学习在人工智能领域受到了广泛关注 ,并在图像、语音上都取得了很大的突破。本次报告将回顾和 讨论深度学习在 自然语言处理领域的最新研究进展 ,然后重点介绍深度学习方法在弹幕语义表示 ,诗歌生成 ,实体 蕴含关系识别 ,试题难度预测的相关应用。 22、、报报告告题题 目目 ::基基于于大大规规模模弱弱标标注注数数据据的的深深度度学学习习 报告人 :杨奎元微软研究院 报告摘要 :人工智能需要大量的人工 ,包括标注大量训练数据 ,设计数据表征、模型等。深度学习将数据表征融进 了模型的端到端学习 ,在大量任务中学得了远优于专家设计的数据表征 ,释放了这部分的人工投入。然而标注训练 数据仍然需要大量的人工 ,为进一步减少这一部分的人工 ,我们对弱标注数据下的深度学习进行了一些探索。随着 所要求监督信息的减弱 ,可用训练数据会大量增加。同时 ,深度模型已经具有了很好的推广能力 ,我们用深度模型 代替人工对弱标注数据 自动进行强标注 ,生成更高质量的训练数据 ,从而训练更好的模型。 33、、报报告告题题 目目 ::数数据据驱驱动动与与知知识识引引导导相相结结合合的的人人工工智智能能模模型型与与方方法法 报告人 :吴飞浙江大学 报告摘要 :近 来 ,以数据驱动为核心的深度学习通过逐层抽象方式形成原始数据区别性表达 ,在 自然语言、语音 和计算机视觉等领域取得了显著进展。但是 ,这一任务式、刺激式的学习机制依赖于大量标注数据 ,如何形成解释 性强、数据依赖灵活和知识引导的模型和方法 ,是人工智能下一步发展面临主要挑战之一。本报告将汇报对这一挑 战问题的若干思考以及在知识图谱构建、Q-A问答和序列学习等方面的一些研究工作。 44、、报报告告题题 目目 ::脑脑启启发发计计算算 报告人 :苏中 IBM中国研究院 报告摘要 :深度学习的能力来 自于带有标注信息的大数据学习样本同深层神经元网络在复杂特征空间上泛化能力这 两方面的完美结合。深层神经元网络实质上是基于人们对于脑的初步认识基础上的一种仿生模拟。深度学习在一些 应用的突破从一个侧面展示了脑机理的研究对于智能技术发展的重要性。智能的本质来源于脑的工作机理 ,我们对 于脑不断的认识、不断的理解 ,应用到我们的计算技术中 ,这就是脑启发计算 ,也是 IBM认知计算中一个重要的方 向。 55、、报报告告题题 目目 ::基基于于 自自主主学学习习的的视视觉觉搜搜索索与与导导航航 报告人 :王亦洲北京大学 66、、报报告告题题 目目 ::智智能能信信息息分分发发

文档评论(0)

tangzhaoxu123 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档