报告时间：2025年6月12日（星期四）10:00
报告地点：翡翠湖科教楼第二会议室
报 告 人：廖思宇 预聘助理教授（副教授）
工作单位：中山大学集成电路学院
举办单位：计算机与信息学院
报告简介：
循环矩阵与神经网络的结合为高效深度学习模型提供了新思路。作为一类具有循环移位特性的特殊结构矩阵，循环矩阵能够通过傅里叶变换实现快速计算（O(n log n)复杂度），并显著减少参数数量（从n[2]降至n）。在神经网络中，循环结构可嵌入全连接层或卷积层，赋予模型平移不变性等先验知识，适用于图像、时序和图数据等任务。当前研究已证明，基于循环矩阵的轻量化网络在保持性能的同时大幅提升计算效率，为边缘计算和大规模部署提供了可行方案。
报告人简介：
廖思宇于2024年6月起担任中山大学集成电路学院预聘助理教授（副教授）职位。申请人于2020年从美国新泽西州立罗格斯大学获得博士学位，于2018年从纽约市立大学获得硕士学位，2014年从合肥工业大学获得本科学位。在求学期间，申请人于2017年秋访学纽约大学，于2019年秋访学普林斯顿大学。申请人曾在IBM，eBay和Facebook(现Meta)实习，博士毕业后担任Amazon应用科学家有3年半余，积累了丰富的工业界经验。申请人主要研究兴趣在于高性能神经网络软硬件设计方法，已在国际学术期刊和会议上发表共27篇文章，拥有1项美国发明专利。
