讲座题目：
Model-driven Deep Learning
讲座内容：
经典的深度学习方法将标准深度神经网络作为黑箱进行数据驱动的目标任务学习。我们提出模型驱动的深度学习思想，将传统的基于领域知识或物理机制的建模方法与深度神经网络的数据驱动学习能力相结合，构建模型驱动的深度学习方法。在该报告中，将展示我们在模型驱动深度学习方法上的一些研究成果，包括统计模型驱动的深度学习方法、ADMM优化算法驱动的压缩传感深度神经网络、元学习优化算法等。并展示它们在图像处理与分析、深度神经网络优化中应用中的有效性。
主讲人介绍：
孙剑，西安交通大学数学与统计学院信息科学系教授。2009年获得西安交通大学应用数学博士学位。主要关注视觉信息处理与分析中的数学模型与算法研究，相关成果发表于IEEE PAMI, IJCV, IEEE TIP, CVPR, NIPS, MICCAI等领域内著名国际期刊和会议。曾经在微软亚洲研究院（2005-2008）、美国中佛罗里达大学（2009-2010）、法国巴黎高等师范学院与法国国家信息与自动化研究院（2012-2014）做博士后或访问学者，并在香港浸会大学、美国约翰霍普金斯大学、纽约大学等进行短期学术访问。担任CVPR, MICCAI, ECCV等高水平国际会议程序委员会委员，IJCAI-18高级程序委员会委员。入选教育部新世纪优秀人才支持计划（2012）、国家基金委优青项目（2016），研究成果获得中国工业与应用数学学会优秀青年学者奖。2017年，入选中组部万人计划“青年拔尖人才支持计划”。
