数学学院（珠海）五周年院庆系列学术报告（七）：深度学习理论

讲座时间 Datetime: 

星期三, 2020/11/11 - 从 15:30 到 16:30

地点 Venue: 

腾讯会议722 731 235

报告人 Speaker: 

周定轩 教授

单位 Affiliation: 

香港城市大学

报告摘要 Abstract: 

       此报告是数学学院（珠海）院庆五周年系列学术报告之一。周定轩教授是知名学习理论专家，他将讲述其最近在深度学习理论的工作。深度学习已被广​​泛应用，并在语音识别，计算机视觉，自然语言处理和许多其他实际领域中取得了突破。涉及的深度神经网络架构和计算问题已在机器学习社区中得到了充分考虑。但是，缺乏了解深度学习模型和算法，逼近或泛化能力的理论基础。我们对深度卷积神经网络（CNN）感兴趣，该网络在处理自然图像和语音方面非常强大。卷积架构和结构在深度CNN和全连接的深度神经网络之间提供了重要的区别，并且大约30年前建立的经典的完全连接网络理论不适用。这个报告描述了一种深度CNN与整流线性单元（ReLU）激活函数相关的理论。特别是，我们为深层CNN的一致逼近性提供了第一个证明，这意味着当神经网络的深度足够大时，深层CNN可以用于以任意精度近似任何连续函数。我们还给出了显式的逼近速率，并证明了深度CNN在近似径向函数方面优于完全连接的浅层网络。我们的定量估计验证了深度学习算法在处理高纬度数据方面的效率。

主讲人简历：

       周定轩教授现为香港城市大学数据科学学院副院长，数学系讲座教授，同时担任香港城市大学刘璧如数学科学研究中心主任。

       周定轩教授1991年博士毕业于浙江大学数学系，博士毕业后在中科院数学系作博士后，之后又赴德国、加拿大作博士后。1996年，应聘到香港城市大学数学系任教，2002年获终身教职，2006年荣升系主任。曾获得德国最高等级奖学金“洪堡”奖学金、国家杰出青年科学基金、香港联合基金。

       周定轩教授是国际著名的应用调和分析、学习理论专家学者。他和合作者提出了学习理论学习阶估计的数学理论，获得广泛应用和极大关注。他在Applied and Computational Harmonic Analysis, Journal of Machine Learning Research, SIAM, Foundations of Computational Mathematics, IEEE等知名期刊发表研究论文超过100篇，多次入选高被引学者。