报告人：刘浩岩

时间：2020.04.03

摘要：随着AI技术快速发展，深度学习在受到越来越多的重视与应用。深度学习主要有两个核心部分组成，一个是深度神经网络，另一个是统计学习理论。其中深度神经网络提供一种针对复杂非线性模型的建模方法，而统计学习理论则为算法设计提供了理论支撑，指明了问题中的难点与关键点，为具体的研究指明了方向。另一方面，面对着以指数性增加的通信需求，一些先进的通信技术相继被提出，同时也使通信系统更加复杂。通信信号处理作为一门以信息论为基础的学科，统计学习理论一直以来就是解决相应问题的利器，与深度学习有着天然的结合点。本报告首先阐述了深度学习与贝叶斯推断的关系，其次讨论了通信信号处理与传统AI问题的异同并提出了深度学习与通信信号处理的发展方向，最后结合本人自己工作进一步说明这些理论如何有效应用到实际中。