主讲人：张剑

主题：科研经验交流与分享

时间：4月12日下午13:30

地点：勤园7-203

讲座简介：

近年来，随着深度学习技术的蓬勃发展，我们一起经历了一些人工智能发展史上的里程碑式事件，如2016年3月，谷歌DeepMind的AlphaGo在四场比赛中击败了围棋世界冠军李世石；2023年3月15日，GPT-4横空出世并在许多现实场景中表现出近似于人类的智能水平，这引发了社会各界对深度学习技术的深入思考。有人说深度学习是“炼金术”，通过不断摸索尝试形成可用的模型。然而，在享用现代科技成果带来的便利时，科研工作者更该关注是否存在深刻的思想内涵、认知理论和方法基础，从而使得相关理论每次取得突破后，深度学习技术能获得一个阶段性的爆发式增长。同时，还需要透过现象看本质，基于现象级的深度学习模型深入思考和总结理论与技术的发展规律、创新模式，并用于指导科学研究工作。本次讲座将围绕上述出发点介绍深度学习的来源、概念、特点和种类，解释主流神经网络的基础模块，讨论典型神经网络模型的结构、起效机制、学习方法与使用方式，并结合报告人的科研工作实践探讨创新的方式与研究方法。前事不忘，后事之师，人们总是通过学习过往的经验教训，才能总结出人生和国家发展的规律，从而指导下一步的工作。深度学习符合人类的认知规律，在科学的理论指导和科学的方法支撑下，必将成为推动人类社会进步的先进生产力。

个人简介：

张剑，博士、教授、硕士研究生导师。研究领域为机器学习与深度学习理论、方法及在多模态信息理解与处理方面的应用。2007年博士毕业于浙江大学计算机科学与技术学院，2009年至2011年在浙江大学数学系从事博士后研究，2016年在西门菲莎大学（Simon Fraser University）从事访问研究。主持国家自然科学基金面上项目、国家自然科学基金青年项目、浙江省自然科学基金一般项目、中国博士后科学基金项目，参与国家重点基础研究发展规划项目、浙江省重大科技项目等课题。近年来在相关领域期刊及学术会议上（如IEEE Trans. on Image Processing、IJCAI、Pattern Recognition）发表一系列论文，其中包含两篇ESI高被引论文，获Pattern Recognition和Neurocomputing的杰出审稿贡献奖。