先一起来看看本次seminar的流程吧

时间

2018.11.25

会员们专心听着报告

欲知详情如何？？

word2Vec模型

    魏依璐同学从为什么要使用word2vec开始，讲解了基于Hierarchical Softmax和Negative Sampling两种模型的数学思想和公式验算。其中重点讲解了CBOW方法，Skip Gram方法在两种模型中的相似和不同之处，以及计算过程中损失函数构建，和优化方式等内容。在30分钟里，由浅入深带大家领略了word2vec之美。

机器阅读理解

    倪庆千同学首先大体介绍了阅读理解任务的流程即分为表示问题，检索问题和答案生成三个步骤。其次介绍了深度学习在机器阅读理解任务中所扮演的角色，并重点讲解了“Teaching Machines to Read and Comprehend”论文中提出的基本模型“Attentive Reader”，对于模型中的Encoding层，Decoding层，Attention层的作用和实现进行了详细的讲解。

    最后，倪庆千同学还带我们浏览了模型的实现代码，可谓干货满满！

句法分析

    首先苏同学用幽默风趣的语言解释了为什么我们需要句法分析，句法分析和其他NLP任务的区别是什么。之后介绍了两种主流的方法：短语结构文法(context-tree grammars)和依存分析(dependency parsing)。接下来重点介绍了依存分析的来龙去脉，从依存分析方法的基本思想，到Google大规模标注数据集带来的该方法的蓬勃发展，再到依存分析方法的训练和评估途径，最后分享了如何使用神经网络进行依存分析的实现。

医学报告

    王福宇师兄从caption model的任务讲起，分享了仅生成一句话的基础的caption model的框架讲起，详细分析了训练的过程和测试的过程，并强调了两者的细微差别。

    之后师兄讲解了Attention机制在caption模型中的应用。接下来师兄讲解了从一张图片中生成多个句子的模型架构，针对Hierarchical model做了详细的分析。最后师兄列出了一些经典论文推荐给大家阅读。

Object Detection框架演变

    陈日全师兄带来了经典的Object Detection任务中，众多优秀模型的讲解和演化，并分享了其中有趣的小故事。

    师兄从RCNN模型讲起，详细分析了该模型的开创性和不足之处，之后进一步延伸到FastRCNN，FasterRCNN等模型，除了two-stage模型，师兄也讲解了YOLO和SSD两个经典的one-stage模型，对于两大类模型的不同和相似之处，师兄也进行了又细致又深度的分析，台下同学听得津津有味！