6月22日下午，由统计学院主办的“百脉大讲坛”第25讲在燕山校区1号楼1505开讲，本次报告邀请到加州州立大学深度学习和新型计算机结构实验室主任白彧博士。统计学院院长石玉峰教授主持了报告会，统计学院、计算机科学与技术学院部分师生和研究生聆听了报告。
本次报告主题为“Introduction to Hardware Accelerate Deep Learning”。报告开始，白彧博士提出问题，什么是深度学习，以及深度学习为什么比别的方法具有优势。白彧博士对上述问题做出回答，深度学习的概念源于人工神经网络的研究，含多隐藏层的多层感知器就是一种深度学习结构。它是学习样本数据的内在规律和表示层次，对这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助，其最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。接着，白彧博士提出本次讲座主题，即从硬件的角度来给深度学习一个新的概念。他对几种硬件，即CPU、FPGA以及GPU的优缺点进行对比，接着提出了CNNs(Convolutional Neural Networks)和BNNs(Binarized Neural Networks)两种模型的概念，并讲述了它们之间的不同点以及BNNs模型存在的优势和缺点，即它需要的存储空间小，并且能够达到较高的识别率，但与此同时可能会使精度下降。最后，白彧博士做出总结，我们要学会从硬件的角度来看待深度学习，研发高效的深度学习模型。
讲座结束后，石玉峰院长对白彧博士的精彩演讲做了点评，以及在本次报告中的收获和启发。在互动和问答环节，同学们积极提问，白彧博士耐心讲解，与会师生受益良多。
审核人：石玉峰
