物信講壇第一百零一講“Tensor Product Generation Networks for Deep NLP Modeling”

主 講 人：吳大鵬

地　　點：祥聯廳

主 辦 方：物理與信息工程學院

開始時間：2019-12-27 09:30

報告人簡介：吳大鵬（Dapeng Oliver），IEEE院士， 2003年于卡內基梅隆大學獲得電氣和計算機工程學博士學位。自2003年以來，他一直在佛羅里達大學電氣與計算機工程系工作，目前擔任教授。他的研究領域有網絡，通信，視頻編碼，圖像處理，計算機視覺，信號處理和機器學習等。

他于2017年獲得了佛羅里達大學學期教授獎，2009年獲得佛羅里達大學研究基金會教授獎，2009年獲得AFOSR青年調查員計劃（YIP）獎，2008年獲得ONR青年調查員計劃（YIP）獎，2007年獲得NSF CAREER獎， IEEE電路與視頻技術系統學報（CSVT）2001年最佳論文獎，2011年GLOBECOM最佳論文獎以及2006年QShine最佳論文獎。目前，他擔任IEEE Transactions on Network Science and Engineering學報總編輯，擔任IEEE Transactions on Communications，IEEE Transactions on Signal and Information Processing over Networks，和IEEE Signal Processing Magazine的副主編。2006年至2008年期間，他是Advances in Multimedia雜志的創始主編，并擔任IEEE Transactions on Circuits and Systems for Video Technology，IEEE Transactions on Wireless Communications和IEEE Transactions on Vehicular Technology的副編輯。他曾擔任IEEE INFOCOM 2012的技術計劃委員會（TPC）主席。他在2016年被IEEE車輛技術學會選為杰出講師。

內容簡介：本次講座報告一種自然語言處理深度網絡的新方法，該方法使用基于張量積表示（Tensor Product Representations，TPR）的通用技術來編碼和處理分布式神經網絡中的符號結構。吳大鵬老師提出“張量乘積生成網絡（Tensor Product Generation Network，TPGN）”可以執行TPR計算，但是使用無約束的深度學習設計其內部表示。在用于圖像-字幕生成的模型中， COCO數據集評測表明TPGN超過LSTM。TPR結構可以解釋內部表示形式和操作，事實證明它們包含大量的語法內容。吳大鵬老師的字幕生成模型可以解釋為生成語法類別序列，并根據類別從編碼為分布式表示的計劃中檢索單詞。