主 讲 人：吴大鹏
地 点：祥联厅
主 办 方：物理与信息工程学院
开始时间：2019-12-27 09:30
报告人简介：吴大鹏（Dapeng Oliver），IEEE院士， 2003年于卡内基梅隆大学获得电气和计算机工程学博士学位。自2003年以来，他一直在佛罗里达大学电气与计算机工程系工作，目前担任教授。他的研究领域有网络，通信，视频编码，图像处理，计算机视觉，信号处理和机器学习等。
他于2017年获得了佛罗里达大学学期教授奖，2009年获得佛罗里达大学研究基金会教授奖，2009年获得AFOSR青年调查员计划（YIP）奖，2008年获得ONR青年调查员计划（YIP）奖，2007年获得NSF CAREER奖， IEEE电路与视频技术系统学报（CSVT）2001年最佳论文奖，2011年GLOBECOM最佳论文奖以及2006年QShine最佳论文奖。目前，他担任IEEE Transactions on Network Science and Engineering学报总编辑，担任IEEE Transactions on Communications，IEEE Transactions on Signal and Information Processing over Networks，和IEEE Signal Processing Magazine的副主编。2006年至2008年期间，他是Advances in Multimedia杂志的创始主编，并担任IEEE Transactions on Circuits and Systems for Video Technology，IEEE Transactions on Wireless Communications和IEEE Transactions on Vehicular Technology的副编辑。他曾担任IEEE INFOCOM 2012的技术计划委员会（TPC）主席。他在2016年被IEEE车辆技术学会选为杰出讲师。
内容简介：本次讲座报告一种自然语言处理深度网络的新方法，该方法使用基于张量积表示（Tensor Product Representations，TPR）的通用技术来编码和处理分布式神经网络中的符号结构。吴大鹏老师提出“张量乘积生成网络（Tensor Product Generation Network，TPGN）”可以执行TPR计算，但是使用无约束的深度学习设计其内部表示。在用于图像-字幕生成的模型中， COCO数据集评测表明TPGN超过LSTM。TPR结构可以解释内部表示形式和操作，事实证明它们包含大量的语法内容。吴大鹏老师的字幕生成模型可以解释为生成语法类别序列，并根据类别从编码为分布式表示的计划中检索单词。
