neural

这些特征的处理方式和候选生成网络类似，不同之处是排序网络的顶部是一个加权逻辑回归（weighted logistic regression），它对所有候选视频进行打分，从高到底排序后将分数较高的一些视频返回给用户。 融合推荐模型 本节会使用卷积神经网络（Convolutional Neural Networks）来学习电影名称的表示。下面会依次介绍文本卷积神经网络以及融合推荐模型

11月15日，受第14届国际文档分析与识别大会 (International Conference on Document Analysis and Recognition ICDAR 2017)邀请，电信学院白翔教授在大会上做了名为“Deep Neural Network for Scene Text Reading Revisited”的特邀报告(Keynote Speech)。在长达一个小时的报告中，白翔教授简要总结了近年来自然场景文本检测与识别这一热点研究方向的发展及现状，介绍了其研究团队结合深度学习在此领域所取得的重要研究方法及相关应用技术，并对该方向的发展趋势做出了全面展望。白翔教授的报告内容丰富，深入浅出，赢得了参会学者的广泛赞誉

TensorFlow Course是一部开源的 TensorFlow 英文教程。遵守MIT开源协议。作者Amirsina Torfi曾在Virginia Polytechnic Institute and State University当机器学习专业的助理研究员

工研院研发的“深度学习训练系统”让使用者在X86机器上可进行深度学习训练，达成dataset management、neural network management、DNN training monitoring 等工作。深度学习的训练仰赖高度平行运算来处理大量数据资料的训练，除了利用GPU的高效能多核心的运算处理，结合“深度学习训练系统”所搭载的深度学习框架(DNN Frameworks)以及提升效能训练的进阶功能，像是深度学习超参数自动调整、储存设备与内存之间高速资料流动等技术，提供深度学习模型开发者一个方便且有效率的深度学习训练环境，缩短训练时程同时依旧维持高准确度。 使用者可以透过DNN Training Appliance的系统软件堆叠，缩短深度学习训练时间、弹性并扩充使用多元深度学习资源、监控深度学习训练过程并进行分析及修正，借此改善使用者所需要的深度学习neural netwok

报告地点：大学城校区工学一号馆201 报告内容：随着互联网技术的发展蜘蛛电竞直播，图像在互联网上的传播越来越频繁。图像隐写是利用视觉冗余，将秘密信息嵌入到图像中而不被感知的技术。图像隐写在秘密情报的传递中起著非常重要的作用

11月15日，受第14届国际文档分析与识别大会 (International Conference on Document Analysis and Recognition ICDAR 2017)邀请，电信学院白翔教授在大会上做了名为“Deep Neural Network for Scene Text Reading Revisited”的特邀报告(Keynote Speech)。在长达一个小时的报告中，白翔教授简要总结了近年来自然场景文本检测与识别这一热点研究方向的发展及现状，介绍了其研究团队结合深度学习在此领域所取得的重要研究方法及相关应用技术，并对该方向的发展趋势做出了全面展望。白翔教授的报告内容丰富，深入浅出，赢得了参会学者的广泛赞誉

循环神经网络（Recurrent Neural Networks）是目前非常流行的神经网络模型，在自然语言处理的很多任务中已经展示出卓越的效果。但是在介绍 RNN 的诸多文章中，通常都是介绍 RNN 的使用方法和实战效果，很少有文章会介绍关于该神经网络的训练过程。 循环神经网络是一个在时间上传递的神经网络，网络的深度就是时间的长度

地点：仓前校区勤园12-304 王改革博士，主要致力于进化计算、群体智能、大数据优化方面的研究。发表学术论文111篇(含录用)，SCI检索73篇(第一作者34篇，通讯作者14篇，共48篇)，1区9篇(第一/通讯作者5篇，Top 6篇)，2区21篇(第一/通讯作者18篇)，CCF B类论文5篇，IEEE Trans 3篇(第一作者2篇)。总影响因子为223.731，其中第一/通讯作者为148.931

11月15日，受第14届国际文档分析与识别大会 (International Conference on Document Analysis and Recognition ICDAR 2017)邀请，电信学院白翔教授在大会上做了名为“Deep Neural Network for Scene Text Reading Revisited”的特邀报告(Keynote Speech)。在长达一个小时的报告中，白翔教授简要总结了近年来自然场景文本检测与识别这一热点研究方向的发展及现状，介绍了其研究团队结合深度学习在此领域所取得的重要研究方法及相关应用技术，并对该方向的发展趋势做出了全面展望。白翔教授的报告内容丰富，深入浅出，赢得了参会学者的广泛赞誉

五、讲座人概况： 黄承代，博士，信阳师范学院数学与统计学院副教授，硕士生导师。2016年9月获东南大学数学博士学位。主持河南省高等学校重点科研项目，参与省级、国家级项目多项