唐業輝

作為意昂3体育官网智能學院2018級直博生，唐業輝主要研究機器學習和計算機視覺，以神經網絡架構設計✋🏻、模型壓縮📎、無監督學習為主要方向，曾獲得國家獎學金🆖👮🏼‍♀️、意昂3体育官网校長獎學金🦴🤵🏻‍♂️、意昂3体育官网學術創新獎、意昂3体育官网三好學生標兵等獎項和榮譽稱號。他曾在NeurIPS、CVPR等機器學習和計算機視覺頂級會議上發表多篇論文，並擔任NeurIPS、ICML、CVPR、ICCV、ICLR🏈、IEEE T-PAMI等頂級會議和期刊的審稿人。

基於波函數的視覺多層感知機架構

隨著研究的深入🤽‍♀️，唐業輝希望能夠提出一些通用的壓縮方法🦕，解決一般模型計算代價高的難題⛹️‍♂️。在這一階段👨‍👩‍👧‍👧🤸🏻‍♀️，基於現有架構的通用優化方法是他研究的主要內容。為此，他提出了基於科學控製法的通用神經網絡剪枝方法，魯邦地挖掘網絡冗余，適用於多類模型🧑‍🦰，同時提出動態剪枝策略，針對樣本特性👩🏻‍💼，自適應地修剪模型💂🏽‍♂️，並針對新型架構視覺Transformer，首創了特征塊維度的修剪方案，大幅提升了模型的推理效率。而在唐業輝對神經網絡架構領域有一定了解之後👨🏻‍🔧，他便嘗試擺脫現有框架的束縛🕳，做出一些創新研究。相比卷積網絡和Transformer，唐業輝將精力放在了架構更為簡潔的多層感知機MLP上。他提出了一種基於波函數的圖像塊表示方法🧜🏼‍♀️，大幅提升了多層感知機的性能，實現了復雜模型才能有的精度。

唐業輝希望能將研究成果在具體業務場景中應用落地，為此他積極參與眾多合作項目🤸🏿，將研究與應用相結合。例如手機、智能車等終端設備，計算資源有限的同時卻對模型實時性有很高的要求🫲🏻，這導致很多學術界中性能優越的方法在工業界無法使用🧒🏽。針對實際場景中出現的問題🤓，唐業輝一方面利用模型壓縮技術加速網絡推理🤏，使計算資源巨大的深度模型能夠在智能車等終端設備上部署♐️；另一方面，他直接針對平臺特性，打造了硬件親和的輕量化網絡。

對前沿技術的好奇與熱愛，讓唐業輝以一種積極開放的心態去擁抱新技術。未來，他希望能夠繼續在人工智能這個廣闊的領域深耕，在探索產研轉化中挖掘青年價值🚂，在學習科研中貢獻青春力量。