报告时间：2022年5月31日（周二）下午15:30-16:30
会议地点 腾讯会议 ID：660-254-553
主讲人：周定轩教授
报告摘要：
Deep learning has been widely applied and brought breakthroughs in dealing with big data from speech recognition, computer vision, natural language processing, and many other domains. It is based on deep neural networks with structures designed for various purposes. Compared with its success in practical applications, it is not well understood in theory.
A mathematical foundation is desired for understanding modelling, approximation or generalization abilities of deep learning models with network architectures and structures.
In this walk we will review some recent developments of deep neural networks and discuss some results on approximation and generalization abilities of deep neural networks with structures. In particular, a mathematical theory for deep convolutional neural networks (CNNs) induced by convolutions for dealing with functions of many variables will be described.
报告人简介：
周定轩，香港城市大学讲座教授。主要研究方向: 学习理论，数据科学，逼近论，小波分析。
1988年本科, 1991年博士毕业于浙江大学。1992年2月到1993年2月在中科院数学所，博士后；1993年2月到1995年7月在德国做洪堡学者及客座教授；1995年7月到1996年11月在加拿大Alberta大学做博士后。1996年11月起就职于香港城市大学数学系，2009年9月起担任讲座教授。2005年获国家杰出青年基金, 2014-2017年被Thomson Reuters列为Highly-cited Researcher 。
2006-2012任香港城市大学数学系主任， 2018年起任数据科学学院副院长，2019年起任刘璧如数学科学研究中心主任。曾任香港数学学会副会长，香港研究资助局(RGC)理科组专家成员, 浙江大学竺可桢学院香港院友会会长。现为“Analysis and Application”, “Mathematical Foundations of Computing” 两个刊物和“Progress in Data Scienc”丛书主编, 也是“Applied andComputational Harmonic Analysis”等十几家刊物编委。
