报告题目：基于PCA的卷积神经网络

特邀讲者：董军宇

时间：6月6日15：30

地点：yh1122银河国际办公楼二楼圆形报告厅

邀请人：许信顺

报告摘要：深度学习目前已在诸多领域已经取得了开创性的成就，特别是卷积神经网络（CNN）由于其良好的生物学解释，引起了广大研究者的兴趣，在大规模训练数据的支持下，更在人工智能等领域取得了多项突破。但是这些深度网络的结构都较为复杂，需要经过复杂的超参数选择和漫长的训练过程。为此研究者力争使用高效程序设计语言和GPU加速的方法，以加快深度网络的训练速度，尽管如此，网络本身的时间复杂度和空间复杂度并没有减少。而这些使用程序加速的手段实现的工具包结构复杂，需要众多的硬件和软件支持，并附带较为复杂的环境配置，为初学者使用和理解深度网络的工作机制带来了众多困难。简单高效的深度网络也在理论研究及实际应用中有重大的需求。比如马毅等人提出的PCANet，使用简单的主成分分析的方法学习网络参数，明显降低了算法的时间复杂度。本次报告将汇报作者提出的一种新的算法——PCN（PCA-based Convolutional Network）。该方法充分结合CNN与PCANet的优势，每一个滤波器提取图像的某种特定特征，高层特征是低层特征的抽象与组合，但是在滤波器的学习过程中我们把复杂的调参过程替换为PCA分解。在高层特征的学习方面，我们把低层特征作为输入，把若干底层特征组合在一起求出新的滤波器，我们可以定义不同的组合方式，把低层特征组合抽象成不同的高层特征。实验证实这种方法不仅具有较快的计算速度，在手写数字识别、人脸识别和纹理分类等任务中的实验表明，PCN基本能够达到最优或者接近最优的性能。同时，该方法也具有较好的扩展性。

讲者介绍：董军宇，教授，博士生导师。1972年9月生，1989年至1993年在青岛海洋大学应用数学系应用数学专业读本科，1996年至1999年在青岛海洋大学应用数学系读硕士，2000年至2003年在英国Heriot-Watt大学攻读博士学位。2004年回国后加入中国海洋大学，2008年被列入教育部新世纪人才支持计划。现任中国海洋大学计算机科学与技术系主任。中国计算机学会青年科技论坛(YOCSEF)青岛分论坛2013-2014主席。主持承担了科技部国际合作专项1项，国家自然科学基金3项、教育部及山东省项目4项及青岛市级科技项目2项，并作为主要人员参加多个国家海洋公益专项、863、科技支撑计划等项目。主要研究方向为机器学习、计算机视觉、水下视觉及海洋数据挖掘与可视分析。已在多个主流国际期刊（IJCV，IEEE Trans，PR，Plos One, Information Science, IVC, MTAP等）及国际学术会议上发表论文60余篇。