3月23日，美國喬治亞理工學(xué)院講座教授、美國工程院院士、美國發(fā)明家學(xué)院院士、IEEE會士、中央研究院院士Biing Hwang (Fred) Juang到訪中國科學(xué)院自動化研究所，并作了題為Deep Neural Networks from a Developmental Perspective的學(xué)術(shù)報告。

　　Juang在報告中指出，近年來深度神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用異常火熱，相關(guān)文章非常多。然而一個令人沮喪的現(xiàn)象是：許多學(xué)者和學(xué)生都把深度神經(jīng)網(wǎng)絡(luò)視為一個黑盒子，并沒有真正理解其本質(zhì)。Juang利用貝葉斯決策以及馬爾科夫隨機場等基礎(chǔ)理論去解釋深度神經(jīng)網(wǎng)絡(luò)，建立深度神經(jīng)網(wǎng)絡(luò)與模式識別經(jīng)典理論與方法的聯(lián)系，從而使大家對深度神經(jīng)網(wǎng)絡(luò)有更為深入的理解。Juang還回顧了深度神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，解釋了隨著Hinton對受限玻爾茲曼機（RBM）理論的貢獻，神經(jīng)網(wǎng)絡(luò)如何從早期的多層感知器（MLP）演變成現(xiàn)在頗為強大復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)和深度循環(huán)網(wǎng)絡(luò)。

　　Juang是語音處理及信號處理領(lǐng)域國際知名學(xué)者，曾任美國貝爾實驗室信息研究部主任，曾任IEEE Fellow Committee主席。學(xué)術(shù)貢獻甚豐，包括經(jīng)典的矢量量化、隱馬爾科夫模型、語音編碼與識別、多頻回聲控制等技術(shù)，其所著《語音識別基礎(chǔ)》(Fundamentals of Speech Recognition, co-authored with L.R. Rabiner)一書被公認是經(jīng)典之作。曾獲得IEEE信號處理學(xué)會技術(shù)成就獎、IEEE技術(shù)領(lǐng)域J.L. Flanagan獎?wù)碌取?/p>

Biing Hwang (Fred) Juang作報告