欧洲杯竞猜网站

以后地位: 欧洲杯竞猜网站 >> 迷信研讨 >> 学术报告 >> 注释

2020年海内专家系列学术讲座(九)Xiaoping Zhang: Thresholding Neural Networks for Adaptive Signal Processing

2020年12月29日 14:18    点击:[]

欧洲杯竞猜网站: 

讲座标题问题(Title of Lecture):Thresholding Neural Networks for Adaptive Signal Processing

讲座时候(Time of Lecture):2020年12月31日礼拜四10:00-11:00

讲座地址(Site of Lecture):腾讯集会ID:730 498 856

主讲人(Lecturer):Prof. Xiao-Ping (Steven) Zhang, Ryerson University, Canada

报告人简介(Introduction of Lecturer):

张晓平传授是加拿大工程院院士, 加拿大工程研讨院院院士,和IEEE会士。他别离于1992和1996年从清华欧洲杯竞猜网站电子工程系获学士和博士学位。他从芝加哥欧洲杯竞猜网站布斯商学院取得金融和经济学专业工商办理硕士学位(MBA)并获优异毕业生声誉。 

张晓平院士现为加拿大Ryerson欧洲杯竞猜网站电气、计较机和生物工程系正传授(终言教职),通讯和旌旗灯号处置及利用尝试室主任,并兼任Ted Rogers办理学院金融系传授。曾任系研讨生和科研主管。2015和2017年任麻省理工学院电子学尝试室拜候迷信家。张晓平院士努力于旌旗灯号处置和大数据的实际和利用研讨开辟,首要处置统计模子、旌旗灯号处置、机械进修和野生智能、物联网和电子信息体系、生物信息及金融经济模子和大数据等方面的研发。张晓平院士是其研讨范畴的国际着名专家并曾在华尔街和硅谷产业界任职。曾任麻省理工学院和哈佛欧洲杯竞猜网站拜候迷信家。颁发国际顶级期刊和集会学术论文200余篇。具有多项美国专利,此中大局部已转化进入贸易产物。张晓平传授现任《IEEE旌旗灯号处置汇刊 》和《IEEE图象处置汇刊 》的高等副主编(Senior Area Editor),曾任《IEEE旌旗灯号处置汇刊 》、《IEEE多媒体处置汇刊》、《IEEE图象处置汇刊 》、《IEEE电路与体系视频手艺汇刊》、《IEEE旌旗灯号处置快报》等国际着名学术期刊的副主编。他现任IEEE旌旗灯号处置学会图象视频及多维旌旗灯号处置手艺委员会副主席,是国际旌旗灯号处置最大旗舰年会IEEE ICASSP集会2021年大会配合主席(General Co-Chair),2017和2019年IEEE环球旌旗灯号和信息处置年会(GlobalSIP)金融和贸易信息处置大会主席,2015 IEEE多媒体旌旗灯号处置年会(MMSP2015)主席。现任IEEE国际多媒体大会(ICME)指点委员会(Steering Committee)委员。张传授曾在多个着名国际集会如ACM多媒体年会ACMMM2011, IEEE电路与体系年会ISCAS2013和ISCAS2019, IEEE图象处置年会ICIP2013, IEEE旌旗灯号处置年会ICASSP2014,国际神经收集结合大会IJCNN2017应邀作教程报告(Tutorial)。他被挑选为IEEE旌旗灯号处置学会精采讲座学者和IEEE电路和体系学会精采讲座学者。2020年获Ryerson欧洲杯竞猜网站学术科研最高奖–Sarwan Sahota Ryerson精采学者奖。 www.ryerson.ca/~xzhang

讲座内容(Content of Lecture):

In this talk, a system framework of nonlinear thresholding for adaptive signal processing, namely thresholding neural network (TNN), is presented. Several types of thresholding functions are created to serve as activation functions. Unlike the standard thresholding functions, the new thresholding functions are infinitely differentiable. By using the new thresholding functions, some gradient-based learning algorithms become possible or more effective. General optimal performances of TNNs are analyzed.  Gradient-based adaptive learning algorithms are presented to seek the optimal solution for noise reduction. The algorithms include supervised and unsupervised batch learning as well as supervised and unsupervised stochastic learning. It is indicated that the TNN with the stochastic learning algorithms can be used as a novel nonlinear adaptive filter.  Numerical results show that the TNN is very effective in finding the optimal solutions of thresholding methods in an MSE sense and usually outperforms other noise reduction methods.  Especially, it is shown that the TNN based nonlinear adaptive filtering outperforms the conventional linear adaptive filtering in both optimal solution and learning performance.

欧洲杯竞猜网站:

  2020年专利讲座 王凯盛: 专利的检索、撰写与回答 前往目次
欧洲杯竞猜|官网 欧洲杯竞猜|官网 欧洲杯竞猜|官网