直播 | 周五晚八点！港科大四年级博士施行健讲解深度学习用于短临降雨预报

分享背景

▼

本次报告基于NIPS2017论文“Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model”。该论文被会议选为Spotlight，以下是论文简介：

短临降雨预报是指对一个区域未来短时间段内的降雨进行预测。这个问题有很多应用场景，和居民生活息息相关。比如预测道路的积水情况，为航班提供天气指引，在城市内给出短期强降水预警。由于大气内部复杂的动态变化和短临降雨要求的实时，大规模和高精度的预报，这个问题给气象领域和机器学习领域提出了新的挑战。近期，卷积LSTM (ConvLSTM)网络被发现在这个问题上优于经典的光流法，说明了深度学习在解决这个问题上有很大的潜力。然而，ConvLSTM内的卷积递归结构是时空恒定的，而运动过程产生的时空关系是非恒定的。同时，深度学习用于短临降雨预报还是一个正在发展中的领域，我们尚且不清楚如何才能衡量不同深度学习模型的效果。为了解决这两个问题，我们提出了一个基准：HKO-7和一个新模型：轨迹GRU (TrajGRU)。具体而言，跟ConvLSTM不同，TrajGRU会主动学习时空的递归连接结构。同时，我们的HKO-7基准包含了新的衡量指标和一个更贴近实际应用的评测体系。

分享主题

▼

深度学习用于短临降雨预报

分享提纲

▼

• 简要介绍短临降雨预报和之前用于解决此问题的ConvLSTM网络。

• 介绍新的TrajGRU网络

• 介绍HKO-7基准

• 总结

分享人简介

▼

施行健，香港科技大学四年级博士，师从杨瓞仁教授。现于Amazon AWS Deep Learning组实习，岗位为应用科学家。本科就读于上海交通大学，导师为李武军教授和王士林教授。主要研究方向为深度学习，时空序列分析和计算机视觉。他是apache/mxnet的开发成员，同时是DMLC协会会员。

分享时间

▼

北京时间 2017年12月15日（周五） 20:00

参与方式

▼

扫描海报二维码关注微信公众号，点击 AI 课程——公开课报名，入群交流

—————  AI 科技评论招人了  —————

AI 科技评论期待你的加入，和我们一起见证未来！

现诚招学术编辑、学术兼职、学术外翻

详情请点击招聘启事

—————  给爱学习的你的福利  —————

上海交通大学博士讲师团队

从算法到实战应用，涵盖CV领域主要知识点

手把手项目演示

全程提供代码

深度剖析CV研究体系

轻松实战深度学习应用领域！

详细了解点击文末阅读原文

▼▼▼

————————————————————