明天!壓縮感知和深度學習在圖書情報領域的應用講座

2021-02-20 圖情招聘

各會員單位圖書館、各位會員：

應上海圖書館、上海市圖書館學會邀請，2019年2月15日上午，瑞典隆德大學（Lund University）王政軍博士將在上海圖書館做主題為「 『壓縮感知』 和深度學習在圖書情報領域的應用」的學術講座。深度學習-Deep Learning、壓縮感知-Compressed Sensing、量子計算-Quantum Computation，這些看似遙遠的技術，其實就在我們身邊。本報告將與您攜手觸摸世界前沿技術，共同領略學術界別樣的風採，一起探討大數據時代背景下如何將Compressed Sensing和Deep Learning融入到圖書情報研究中。本次學術講座向會員單位開放，歡迎各會員單位同行前來聽講交流。

講座主題：「壓縮感知」和深度學習在圖書情報領域的應用

主  講  人：王政軍 博士

講座時間：2019年2月15日（星期五）10:00-11:00

講座地點：淮海中路1555號上海圖書館系統網絡中心3508會議室

主講人簡介：

王政軍，博士，瑞典隆德大學（Lund University），2016-2020

研究方向：（1）超快飛秒雷射在量子物理能級躍遷領域的研究（包括LH2生物蛋白和人造原子CdSe QDs的多激子、電子以及能級之間的coherence 效應）（指導老師：Tonu Pullerits院士，歐洲皇家科學院院士、世界諾貝爾評委）（2）基於機器字典學習的壓縮感知理論在多維度超快飛秒雷射光譜中的應用研究（指導老師：Andreas Jakobsson教授，美國加州大學伯克利博士後，師從美國工程院院士Peter Stoica）。共發表國際SCI論文數十篇。

http://society.library.sh.cn/node/5458

相關焦點

  • 深度學習:神經網絡算法的昨天、今天和明天
    原標題：深度學習：神經網絡算法的昨天、今天和明天2016年，圍棋人工智慧軟體AlphaGo打敗了韓國圍棋名將李世石。2017年，新一代AlphaGo（AlphaGo Master）的戰鬥力升級，又打敗了世界排名第一的柯潔。
  • 一場深度學習引發的圖像壓縮革命
    近日，圖鴨科技發布圖像壓縮技術 TNG（tiny network graphics），其採用深度學習卷積網絡作為壓縮核心編碼。他們的合作對象主要集中在娛樂（在線抓娃娃機）、視頻社交（多人通信）、遊戲等領域，目前，該算法即將投入商用。與傳統算法相比較時，在壓縮效率上，TNG 相比 JPEG 提高了 120%，比 WEBP 提高了 30%。
  • ISMRM 2015【科研專刊】壓縮感知技術在心臟成像領域的應用
  • ARXIV:深度學習在金融領域中的應用 | 唧唧堂論文解析
    然而，相比較ML領域，DL（深度學習）是一個新興領域，越來越多的 DL 模型開始應用在金融中。本文的重點是介紹DL模型在不同金融領域的已實現應用，以便幫助對DL感興趣的研究人員和從業人員決定研究方向。因此本文提出了如下問題：1. 哪些金融領域是深度學習的應用熱門？2. 這些領域的現存研究是否成熟？
  • 深度學習助力數據壓縮,一文讀懂相關理論
    高效的數據壓縮使得大型網絡應用能夠在移動端成為可能，其前景非常誘人。大數據時代的來臨，數據的體量和數據的增長速度都達到了一個前所未有的高度。隨著 5G 技術的快速發展，邊緣計算、物聯網、聯邦學習等應用需求及應用場景越來越多。在傳輸網絡和存儲能力有限的情況下，數據壓縮技術發揮了越來越重要的作用。在傳統數據壓縮算法不斷發展的同時，近年來深度學習網絡也應用於數據壓縮中獲得了很好的效果。
  • 初識壓縮感知Compressive Sensing
    本文針對陶哲軒和Emmanuel Candes上次到北京的講座中對壓縮感知的講解進行講解，讓大家能夠對這個新興領域有一個初步概念。compressive sensing（CS） 又稱 compressived sensing ，compressived sample，大意是在採集信號的時候（模擬到數字），同時完成對信號壓縮之意。中文的翻譯成「壓縮感知」，意思變得至少不太好理解了。
  • 閒談深度學習在自然語言處理領域的5大關鍵優勢
    在自然語言處理領域，深度學習將給予最大的幫助，深度學習方法主要依靠一下這五個關鍵優勢，閱讀本文將進一步了解自然語言處理的重要深度學習方法和應用。 在自然語言處理領域，深度學習的承諾是：給新模型帶來更好的性能，這些新模型可能需要更多數據，但不再需要那麼多的語言學專業知識。
  • FPGA的應用領域主要是深度學習和神經網絡算法
    打開APP FPGA的應用領域主要是深度學習和神經網絡算法 中關村在線 發表於 2019-09-06 17:50:27 不同於CPU的是，FPGA和GPU內都有大量的計算單元，因此它們的計算能力都很強。在進行神經網絡運算的時候，兩者的速度會比CPU快很多。
  • 關於深度學習在各個領域的應用分析
    深度學習網絡作為一個功能多樣的工具，雖然最初僅用於圖像分析，但它已逐漸被應用到各種不同的任務和領域中。高準確性和高處理速度，使得用戶無需成為領域專家即可對大型數據集執行複雜分析。 小編邀請 MathWorks 產品經理 Johanna 分享一些深度學習網絡的使用示例以供參考： 文本分析 在本例中，我們將分析推特數據，了解針對特定詞或短語的情感是積極的還是消極的。情感分析有很多實際的應用，如品牌推廣、競選活動和廣告營銷。 過去（目前仍然）進行情感分析通常使用機器學習。
  • 一文全覽深度學習在計算機視覺領域的應用
    已經是很熱的深度學習，大家都看到不少精彩的故事，我就不一一重複。簡單的回顧的話，2006年Geoffrey Hinton的論文點燃了「這把火」，現在已經有不少人開始潑「冷水」了，主要是AI泡沫太大，而且深度學習不是包治百病的藥方。計算機視覺不是深度學習最早看到突破的領域，真正讓大家大吃一驚的顛覆傳統方法的應用領域是語音識別，做出來的公司是微軟，而不是當時如日中天的谷歌。
  • 深度學習新星:GAN的基本原理、應用和走向 | 雷鋒網公開課
    近年來，基於數據而習得「特徵」的深度學習技術受到狂熱追捧，而其中GAN模型訓練方法更加具有激進意味：它生成數據本身。GAN是「生成對抗網絡」（Generative Adversarial Networks）的簡稱，由2014年還在蒙特婁讀博士的Ian Goodfellow引入深度學習領域。
  • 各國加快提升地理空間情報保障能力
    實時、高效、精準的地理空間情報保障，已成為現代戰爭不可或缺的重要組成部分。近年來，各國軍隊都在持續強化新技術在地理空間情報領域的深度運用，使戰場環境更加透明可控、數據分析更加智能自主、情報分發服務更加高效順暢，努力實現地理空間情報保障能力質的躍升，以奪取戰場環境信息優勢。大力發展超光譜成像技術，提高對隱蔽目標的數據獲取能力。
  • iDST院長金榕IJCAI演講:阿里巴巴的深度學習應用(附PPT)
    ：深度學習過去十年在各個領域都取得了巨大的成功，但當把深度學習技術應用到實際問題中時，常會遇到諸多挑戰。阿里巴巴作為在電商領域有諸多業務的企業，對深度學習有很大的需求，不可避免地當他們將深度學習應用到業務中時會遇到許多學界人士不可能遇到的問題。
  • 「一文看懂」深度神經網絡加速和壓縮新進展年度報告
    新智元報導 來源：深度學習大講堂作者：中科院自動化所程健轉載編輯：克雷格【新智元導讀】在人工智慧領域，深度神經網絡的設計，如同繪製枝蔓繁複的蘭竹，需在底層對其刪繁就簡；而將其拓展至不同場景的應用，則如同面向不同意境的引申，需要創新算法的支撐。
  • 初探神經網絡與深度學習 —— 感知器
    你把三個要素按照它們需要的權重加和在一起， 在把這個分數送到一個叫sigmoid的門面前得到去或不去的決定，　　比單層感知機更複雜的多層感知機-或者我們常說的深度網絡， 是進行數據處理和模式識別的利器。
  • 深度學習新應用:在PyTorch中用單個2D圖像創建3D模型
    選自Medium作者：Phúc Lê機器之心編譯參與：李詩萌、王淑婷深度學習在諸多 2D 圖像任務中表現出色，毋庸置疑。但如何將它應用於 3D 圖像問題中呢？文本通過探索，將深度學習擴展到了單個 2D 圖像的 3D 重建任務中，並成功實現了這一應用。
  • HORIBA在線講座|深度學習光譜技術在材料領域的應用(螢光/拉曼)【6...
    如果你對以上問題感興趣，那就來參加HORIBA舉辦的在線講座吧！本次講座我們特別邀請了北京工業大學副研究員、博士生導師閆胤洲老師和鄭州大學材料學院沈永龍老師，分享科研過程中螢光和拉曼應用研究經歷，課程結束後更有現場交流，乾貨滿滿~
  • 軍情掃描:各國加快提升地理空間情報保障能力
    近年來，各國軍隊都在持續強化新技術在地理空間情報領域的深度運用，使戰場環境更加透明可控、數據分析更加智能自主、情報分發服務更加高效順暢，努力實現地理空間情報保障能力質的躍升，以奪取戰場環境信息優勢。大力發展超光譜成像技術，提高對隱蔽目標的數據獲取能力。衛星成像技術是地理空間情報數據獲取的重要手段。
  • 神經網絡和深度學習簡史(全)
    也許有一個預測性小的應用？ 壓縮。即指找到一種更小體量的數據表示模式，並從其可以恢復數據原有的表示形態，通過機器學習找到的壓縮方法有可能會超越所有現有的壓縮模式。當然，意思是在一些數據中找到一個更小的數據表徵，原始數據可以從中加以重構。學會壓縮這一方案遠勝於常規壓縮算法，在這種情況下，學習算法可以找到在常規壓縮算法下可能錯失的數據特徵。
  • 蘇州大學張民教授兩小時講座精華摘錄:自然語言處理方法與應用
    而內涵包括如下四個層面：• 底層是腦認知基礎，上層是以知識工程為核心的知識建模、獲取和推理；• 中間有兩個同樣重要的內容，一個是感知智能，即機器感知和模式識別；另一個是認知智能，也就是自然語言處理和理解。