二流学校的计算机博士,二流大学-复旦大学计算机科学技术学院博士生刘鹏飞荣获2016年度百度奖学金...

2016年12月22日,历时七个月选拔的2016年度百度奖学金获奖者揭晓,复旦大学计算机科学技术学院2014级博士生刘鹏飞以其在“自然语言处理与深度学习”上取得的突出成绩,从国内外近百所著名高校数百位竞争者中脱颖而出,与来自斯坦福大学、麻省理工学院、加州大学伯克利分校、清华大学、哈尔滨工业大学等高校的共10名同学一起获得此项殊荣,并收获了高达20万元的现金奖励。

dea17375d04e9fc5d05caf5d093562ad.png

刘鹏飞是复旦大学计算机科学技术学院自然语言处理实验室(FNLP)在读博士研究生,师从黄萱菁教授和邱锡鹏教授,其主要方向是自然语言处理与深度学习,关注词表示、短语表示、句子表示、句对表示、多任务学习等自然语言处理方向的热点研究问题。自2014年入学以来,在人工智能和自然语言处理顶会上发表论文多篇.

谈及对科研的态度,刘鹏飞认为,科研与其他领域一样,都会遇到困难。在他看来,科研如同做音乐,论文就是一张专辑,学术报告就像演唱会,而论文的引用量就是专辑发行量。在其短暂的学术生涯中,无论是本科还是博士阶段的导师都给予了刘鹏飞很多能量,使得他能在技术知识、科研态度等各方面得以全方位提升。他还表示,选择科研这条道路就是单纯地源于热爱,他十分认同李彦宏说过的一句话“做自己感兴趣的事,做自己擅长的事”。

对于自己此次获奖,刘鹏飞表示:“很荣幸自己的研究工作受到了评委专家们的认可,同时也感谢自己的导师黄萱菁老师和邱锡鹏老师。一路走来,自己一直做着感兴趣的事,并且得到了导师们的鼓励和支持。 犹记得自己在准备学术生涯第一篇论文的时候,投稿前一晚,邱老师通宵帮我修改论文,那天还是他的生日。实验室氛围很好,小伙伴们就像一大家子,这样的环境也让我们更能专心科研,做出些有质量的工作。”

百度奖学金被业内人士称为最有“研值”的奖学金,其通过十分公正、严格的标准选拔人才,专科大学,最有诚意的资金激励人才,希望通过百度奖学金帮助中国青年学者在国际人才竞争中脱颖而出,成为最优秀的计算机“未来领军人物”。自2013年开办以来,奖学金已经吸引了全球大量顶尖高校的精英人才踊跃报名,其中尤其值得一提的是奖学金的申请者们遍布世界各大洲,其影响力可谓真正覆盖全球。

相关文章:

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值