高承睿

14 posts

ICASSP 2024 - Day4

主会报告 3:Classical versus Modern Signal Processing Algorithms: A Contrast Study 讲者:Bhaskar D. Rao(University of California San Diego) 本次报告中,信号处理领域的专家Bhaskar D. Rao深入探讨了信号处理算法多年来的演变以及现代方法与经典方法之间的联系。这次报告引发了对现代算法性能和复杂性之间关系的深入思考,并强调了理解现代算法与经典算法之间联系的重要性。 »

ICASSP 2024 - Day3

主会报告 1:Brain-To-Speech : Neural Speech Synthesis from Brain Signals 讲者:Dr. Seong-Whan Lee(Korea University) 本次报告中,Dr. Seong-Whan Lee向学者们介绍了“Brain-To-Speech”技术的原理和应用。该技术利用了大脑信号来合成语音,而无需进行任何侵入性操作,可以将思想转换成可理解、可识别的语言,通过监测一个人的大脑活动, »

ICASSP 2024 - Day2

Tutorial 1:Fundamentals of Transformers: A Signal-processing View 讲者:Christos Thrampoulidis (University of British Columbia), Samet Oymak (University of Michigan), Ankit Singh Rawat (Google Research), Mahdi »

ICASSP 2024 - Day1

2024年4月14日至4月19日,第49届IEEE 国际声学、语音和信号处理会议(2024 IEEE International Conference on Acoustics, Speech and Signal Processing, ICSSP 2024)在韩国首尔 COEX 举办。ICSSP作为IEEE信号处理协会的旗舰会议提供全面的技术计划,是全球最大、最全面的专注于信号处理及其应用的技术会议,展示了信号处理及其应用研究和技术的所有最新进展。会议以世界一流的口头和海报会议、主题演讲、全体会议和观点演讲、 »

2021级博士研究生中期分流暨学位论文开题答辩

2023年6月24日18:00-21:00,视觉计算实验室在JC-B318举行了2021级博士研究生中期分流暨学位论文开题答辩。此次答辩的汇报者包括2位21级博士研究生,评审专家包括六位博士生导师(排名不分先后):龚勋老师(西南交通大学计算机与人工智能学院)、屈鸿老师(电子科技大学计算机科学与工程学院)、张建伟老师(四川大学计算机学院)、彭德中老师(四川大学计算机学院)、江宁老师(四川大学华西医院)、朱敏老师(实验室负责人)。 此次答辩由彭德中老师担任组长,采用线下答辩的形式进行。首先由朱敏老师介绍与会专家及议程安排,强调开题答辩的要求与考核要点,发放评审相关材料,随后由实验室2021级博士研究生程俊龙、高承睿依次作学位论文开题答辩。 »

VALSE 2022-day3

报告1:基于伪标签的弱半监督学习 讲者:朱鹏飞 (天津大学) 在线伪标签训练是弱监督和半监督学习任务中增强监督信息的一种有效手段,但伪标签噪声和错误累积降低了模型的泛化性和鲁棒性。如何生成和优化无标记数据的伪标签是基于伪标签的弱监督学习的关键。 最近的相关工作通常使用变分图自动编码器(VGAE)来使节点表示服从特定的分布。尽管它们已经显示出可喜的结果,但如何引入监督信息来指导图节点的表示学习并提高聚类性能仍然是一个悬而未决的问题。针对上述问题朱教授团队提出了一种协作决策强化自我监督(CDRS)方法来解决该问题,其中伪节点分类任务与聚类任务协作以增强图节点的表示学习。本报告分享了其团队提出的自监督低秩表示、动态样本加权、协同表示学习方面的相关工作,并介绍其在图像和图数据中的应用。 报告2:预训练模型的高效迁移学习 讲者:龙明盛 (清华大学) »

VALSE 2022-day2

报告1:深度连续学习 讲者:洪晓鹏(哈尔滨工业大学) 尽管深度学习在很多应用上都取得了成功,但大量研究表明,当对新的任务或类别进行学习时,深度神经网络往往会覆盖过去所学的知识,从而导致模型在历史任务上的性能严重下降,产生“灾难性遗忘”现象。因此,研究连续学习的理论、方法与技术,使深度学习模型可以像人类一样学习,在动态变化的环境中不断学习新知识的同时,避免灾难性遗忘旧知识,实现模型的可持续学习,是一个开放并极具挑战的科学问题,也是新一代人工智能系统的必备技能之一。洪教授重点介绍该领域的基础知识和代表性工作,并探讨最新研究进展、未来发展方向和典型应用。 洪教授针对深度神经网络在学习新任务新知识时的“ »