报告题目：深度学习中的数学基础与应用—以基于声音的抑郁症判断为例

报告人：陆可，博士

报告时间：2019年11月29日（周五）下午16:00——17:30

报告地点：安徽工业大学秀山校区汇文楼A403

主办单位：必赢626net入口·复杂系统与数据科学研究所

报告对象：必赢626net入口教师、研究生，欢迎广大感兴趣的师生参加

报告内容：特征是机器学习系统的原材料。很多情况下，如果数据被很好的表达成了特征，那么线性模型就能达到满意的精度。传统的机器学习方法在获取原始数据后，还要经过数据预处理、特征提取以及特征选择后，再进行推理、预测或识别。其中，数据预处理、特征提取和特征选择概括起来就是特征表达。良好的特征表达，对最终算法的准确性起了非常关键的作用，而且系统主要的计算和测试工作都耗在这一大部分。传统机器学习中，这部分工作一般由人工完成，费时费力且需要专业知识，很大程度上依赖于经验和运气。

深度学习是机器学习中一种基于对数据进行表征学习的方法，其优势在于用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。不同的应用场景下，表征学习需要运用到不同的数学方法。本报告将以基于声音的抑郁症判断方法为例，介绍傅立叶方法、MFCC特征提取等数学方法在声音领域的应用，以及基于深度学习的研究成果落地的一般流程。