报告摘要：Adversarial learning is commonly used to boost the system robustness for the machine learning tasks. It is applied for speech, however not fully explored, especially for speaker identification. I will briefly introduce our recent progress on robust speaker verification with adversarial learning, which can improve the system performance significantly.

讲者介绍：钱彦旻，上海交通大学计算机科学与工程系副教授，博士生导师，上海交大-思必驰联合实验室副主任。清华大学博士，英国剑桥大学工程系MIL机器智能实验室博士后，上海市青年英才扬帆计划获得者。现为IEEE高级会员、ISCA会员，同时也是国际开源项目Kaldi语音识别工具包的13位创始成员之一。担任InterSpeech, ISCSLP等国际会议的领域主席和TPC委员；IEEE T-ASLP, IEEE J-STSP, IEEE SPL, ICASSP, InterSpeech等期刊和国际会议审稿人。有10余年从事智能语音及语言处理、人机交互、模式识别及机器学习的研究和产业化工作经验。在本领域的一流国际期刊和会议上发表学术论文130余篇，Google Scholar引用总数6500余次，申请50余项中美专利，合作撰写和翻译多本外文书籍。3次获得领域内国际权威期刊和会议的最优论文奖，包括国际语音通讯联盟（ISCA）和欧洲信号处理联盟（EURASIP）在2019年颁发的Speech Communication杂志五年最优论文奖，国际会议IEEE ASRU2019颁发的最优论文奖和IEEE ISCSLP2016颁发的最优学生论文奖。作为负责人和主要参与者参加了包括国家自然科学基金、国家重点研发计划、国家863、英国EPSRC等多个项目；所负责搭建的多类别复杂广播语音处理系统在MGB2015国际竞赛中获得语音识别，说话人分割聚类等全部4个单项的世界第一。2014年，因在智能语音技术产业化方面的贡献，获得中国人工智能学会颁发的“吴文俊人工智能科学技术奖”。目前的研究领域包括：语音识别，说话人和语种识别，语音情感感知，自然语言理解，深度学习建模，多媒体信号处理等。

内容中包含的图片若涉及版权问题，请及时与我们联系删除