免费领取大会全套演讲PPT    

报名领取

我要参会

方林

Boolan 首席AI咨询师

方林博士现任Boolan首席AI咨询师,长期从事深度学习、贝叶斯网络、进化学习、类脑学习、脉冲神经网络和谓词逻辑的研究和技术咨询,涉及自动驾驶、人脸识别、自然语言处理等多项前沿AI行业应用,曾主导研发了人工智能博弈软件框架、通用问题求解框架、Prolog逻辑语言编译器和运行环境等。在加入Boolan之前,方林博士担任深兰科技AI资深研究员、首席科学家、深兰大学校长。南京大学计算机软件博士毕业。

演讲主题

三维视觉的目标检测方法与优化

在计算机视觉领域,基于矩阵数据的二维卷积操作是二维目标检测算法的基础。但是当我们把二维卷积扩展到三维卷积以便实现三维目标检测时,就会遇到计算量爆炸的麻烦。为了解决这个麻烦,三维目标检测提出了基于点柱的PointPillar模型和基于点云的PointNet模型,不仅大大减少了计算量,还允许被检测目标线性变换,如旋转、平移等。本演讲介绍、分析并且比较了这两种常用的三维目标检测模型,给出了分析模型、理解模型、优化模型的一般方法。

脉冲神经网络研究与思考

脉冲神经网络(SNN)与目前基于深度学习神经网络(DNN)的区别在于前者的神经元只接受和发出离散的脉冲信号(比如0和1),而不是连续、可微分的数值信号。人脑神经元处理的就是脉冲信号;生物(包括人)的基因是碱基的序列;逻辑推理和贝叶斯学习是基于离散事件的;测不准原理和量子力学证明了世界的本质是不连续的。因此,SNN是最接近世界本质的神经网络,是克服当前DNN研究瓶颈的必由之路。本演讲论述了SNN的来龙去脉、基本结构和广阔应用前景,指出了SNN的研究困难并提出了可能的解决方案。

© boolan.com 博览 版权所有

沪ICP备15014563号-6

沪公网安备31011502003949号