Widely Linear Matched Filter: A Lynchpin towards the Interpretability of Complex-valued CNNs
报告人：李喆
报告地点：腾讯会议ID: 8898648458 密码: 115119
报告时间：2024年09月19日（星期四）9:00-10:00
邀请人：徐东坡
报告摘要：
最近的一项关于实值卷积神经网络可解释性的研究揭示了匹配滤波器在特征识别任务中的物理意义。然而由于面向一般复数的匹配滤波器的定义并不清晰，因此将这种解释框架应用于复值卷积神经网络面临着挑战。本次报告将依据一般意义的特征识别任务，介绍宽线性匹配滤波器的定义，及其相对于严格线性匹配滤波器的信噪比增益的闭合表达式及性能界。这些研究结果有助于通过匹配滤波器的视角重新审视复值卷积神经网络中的卷积-激活-池化链。研究还基于复数特征识别、复数数据分类和极化合成孔径雷达图像识别等案例揭示了如何利用宽线性匹配滤波器进一步增强复值卷积神经网络的可解释性，提升其识别效率。
主讲人简介：
李喆，2018年博士毕业于东南大学信息与通信工程专业，目前为苏州大学电子信息学院副研究员，硕士生导师，苏州大学优秀青年学者。近年来主持包括国家自然科学基金面上项目在内的国家级和省部级项目4项，以第一作者或通信作者在IEEE TSP, IEEE TIM,通信学报等国内外核心刊物及ICASSP等会议上发表SCI/EI收录论文30余篇，参与编写专著1部，曾获IEEE ICASSP 2019教育创新奖。主要研究方向为复数和多元信号处理理论，及其在无线通信领域中的应用。
学校主页