報告時間：2025年6月12日（星期四）10:00
報告地點：翡翠湖科教樓第二會議室
報 告 人：廖思宇 預聘助理教授（副教授）
工作單位：中山大學集成電路學院
舉辦單位：計算機與信息學院
報告簡介：
循環矩陣與神經網絡的結合為高效深度學習模型提供了新思路。作為一類具有循環移位特性的特殊結構矩陣，循環矩陣能夠通過傅里葉變換實現快速計算（O(n log n)復雜度），并顯著減少參數數量（從n[2]降至n）。在神經網絡中，循環結構可嵌入全連接層或卷積層，賦予模型平移不變性等先驗知識，適用于圖像、時序和圖數據等任務。當前研究已證明，基于循環矩陣的輕量化網絡在保持性能的同時大幅提升計算效率，為邊緣計算和大規模部署提供了可行方案。
報告人簡介：
廖思宇于2024年6月起擔任中山大學集成電路學院預聘助理教授（副教授）職位。申請人于2020年從美國新澤西州立羅格斯大學獲得博士學位，于2018年從紐約市立大學獲得碩士學位，2014年從合肥工業大學獲得本科學位。在求學期間，申請人于2017年秋訪學紐約大學，于2019年秋訪學普林斯頓大學。申請人曾在IBM，eBay和Facebook(現Meta)實習，博士畢業后擔任Amazon應用科學家有3年半余，積累了豐富的工業界經驗。申請人主要研究興趣在于高性能神經網絡軟硬件設計方法，已在國際學術期刊和會議上發表共27篇文章，擁有1項美國發明專利。
