3月23日，美国乔治亚理工学院讲座教授、美国工程院院士、美国发明家学院院士、IEEE会士、中央研究院院士Biing Hwang (Fred) Juang到访中国科学院自动化研究所，并作了题为Deep Neural Networks from a Developmental Perspective的学术报告。

　　Juang在报告中指出，近年来深度神经网络的研究和应用异常火热，相关文章非常多。然而一个令人沮丧的现象是：许多学者和学生都把深度神经网络视为一个黑盒子，并没有真正理解其本质。Juang利用贝叶斯决策以及马尔科夫随机场等基础理论去解释深度神经网络，建立深度神经网络与模式识别经典理论与方法的联系，从而使大家对深度神经网络有更为深入的理解。Juang还回顾了深度神经网络的发展历程，解释了随着Hinton对受限玻尔兹曼机（RBM）理论的贡献，神经网络如何从早期的多层感知器（MLP）演变成现在颇为强大复杂的深度神经网络和深度循环网络。

　　Juang是语音处理及信号处理领域国际知名学者，曾任美国贝尔实验室信息研究部主任，曾任IEEE Fellow Committee主席。学术贡献甚丰，包括经典的矢量量化、隐马尔科夫模型、语音编码与识别、多频回声控制等技术，其所著《语音识别基础》(Fundamentals of Speech Recognition, co-authored with L.R. Rabiner)一书被公认是经典之作。曾获得IEEE信号处理学会技术成就奖、IEEE技术领域J.L. Flanagan奖章等。

Biing Hwang (Fred) Juang作报告