以下是约翰霍普金斯大学语言和语音处理中心举办的研讨会录音的链接。我们努力记录我们的大部分活动，以造福那些无法出席的人，以及那些希望查看所提供信息的人。此处未列出的录音可供CLSP内部根据要求查看。

有关最近研讨会的录音，请访问CLSP的YouTube频道。 

• 2021扬声器

  • Carolina Parada（谷歌人工智能）“谷歌机器人现状”
  • 威尔克·阿齐兹（阿姆斯特丹大学）“神经机器翻译模式的不足“
  • Jiri Mekyska（布尔诺科技大学）“小型医学数据集中的数据科学：从Logistic回归到Logistic退化“
  • Shannon Heald（芝加哥大学）“可变性背景下的语音识别：来自人类听众的经验教训“
  • Alicia Lozano-Díez（马德里自治大学）“文本相关说话人验证：2020年SdSV挑战赛的BUT系统“
  • Tuo Zhao（乔治亚理工大学）“走向对话系统的自动评估：一种无模型的非政策评估方法”
  • David Bamman（加州大学伯克利分校）”小说中信息传播的模型“
  • Eunsol Choi（德克萨斯大学奥斯汀分校）“学习在语境中理解语言”

• 2020扬声器

  • Kira Radinsky（诊断机器人/Technion）“学习预测未来”
  • 龚伯清（谷歌）“走向野外视觉识别：长尾源和开放复合目标”
  • 德克·霍维（博科尼大学）“NLP中偏见和道德问题的五个来源及应对措施“
  • Iryna Gurevych（达姆施塔特科技大学）“让我们辩论：理解和生成自然语言论证”
  • 米雷拉·拉帕塔（爱丁堡大学）”这部电影是关于什么的？自动内容分析和摘要”
  • Tuomas Virtanen（坦佩雷大学）“声场的计算分析“
  • Preslav Nakov（卡塔尔计算研究所）”检测假新闻“
  • Judy Hoffman（佐治亚理工学院）“理解和缓解模型和数据集偏差”
  • 吴志正（脸书）“音频深度假冒检测“
  • Annie Louis（谷歌）“了解极地问题的间接答案”
  • Piotr Szymanski（弗罗茨瓦夫科技大学）“ML/NLP模型比较的贝叶斯方法和ASR-NLP差距的量化”
  • 赫尔曼·坎珀（斯特伦博什大学）”从未标记的语音中学习声学单位和单词（带点视觉）“
  • Frank Hutter（弗赖堡大学）”神经结构搜索时代的到来“
  • Violet Peng（加州大学洛杉矶分校）“从语言理解到创造性生成“
  • Chris Re（斯坦福大学）“命名实体消歧的指导性自我监督“
  • Abdelrahman Mohamed（脸书）“更好地利用未配对数据和预先训练的模块进行语音识别”
  • 马特·加德纳（艾伦人工智能研究所）”我们相信的NLP评估“
  • Mei-Yuh Hwang（Mobvoi AI实验室）“Mobvoi:当前和未来”
  • 扎卡里·利普顿（卡内基·梅隆大学）“深度（交互）主动学习：治愈一切还是灾难？“
  • Bhuvana Ramabhadran（谷歌）“基于音译的多语言代码转换语言方法“
  • Vivian Chen（国立台湾大学）“可扩展且健壮的会话系统“
  • Rada Mihalcea（密歇根大学）“语言与人”

• 2019年扬声器

  • 诺亚·史密斯（华盛顿大学）”经验自然语言处理的有理递归“
  • 马塞洛·费德里科（亚马逊人工智能）“文本和语音神经机器翻译的五篇短文“
  • Allyson Ettinger（芝加哥大学）”人类认知视角下的NLP表征“
  • David Mimno（康奈尔大学）“数据科学和数据奖学金”
  • 明日（亚马逊）“亚马逊Alexa的声事件检测”
  • Rick Rose（谷歌）“谷歌的多模态视听语音处理”
  • Paris Smaragdis（伊利诺伊大学）”新技巧的新转折，使音频深度学习实用”
  • Gopala Anumanchipalli（加州大学旧金山分校）“从大脑中解码语音和语言表征”
  • Jerry Zhu（威斯康星大学麦迪逊分校），“对抗性机器学习：超越像素和单词操作“
  • Niranjan Balasubramanian（石溪大学），“多跳QA、建模事件和一点转换：在神经模型中实现重用、分解和控制“
  • Dan Ellis（谷歌），“识别声音事件“
  • Mohammad Sadegh Rasooli（脸书），“自然语言处理系统的跨语言传输”
  • Ferhan Ture（康卡斯特应用人工智能研究小组）“一类用于娱乐平台上语音查询理解的神经模型“
  • Hyejin Youn（西北大学）“翻译中的失落与发现：人类词汇语义的普遍结构”

  • Kenneth Heafield（爱丁堡大学）“更快的神经机器翻译”

  • 勒松（佐治亚理工学院）”图形神经网络能帮助逻辑推理吗？”
  • 王德良（俄亥俄州立大学）“解决鸡尾酒会问题”
  • 亚历克斯·克里斯蒂亚（CNRS）“野外日记化：挑战与机遇”

  • Nazli Goharian（乔治敦大学）“社交媒体与心理健康”

  • 恒基（RPI）通用信息提取

  • Lea Frermann（墨尔本大学）“学习用于总结和推理的长叙事的表征”
  • Nobuaki Minematsu（东京大学）”语音技术如何支持学习者提高口语、听力、会话等技能？”
  • 杰西卡·欧阳（哥伦比亚大学）“使自动摘要适应新的信息源”
  • Rediet Abebe（康奈尔大学）“使用搜索查询了解非洲的健康信息需求”

  • 肯顿·默里（圣母大学）“机器翻译的神经网络超参数学习”

  • 托马斯·沙茨（UMD）“成人语音类别感知和婴儿语音学习的定量模型”

  • 布伦丹·奥康纳（麻省大学阿默斯特校区）“社交媒体语言分析中的人口偏见：以非裔美国人英语为例”

• 2018年演讲者

  • James Foulds（UMBC）“机器学习和人工智能系统的差异公平性：有偏差数据的无偏决策”

  • David Harrison（斯沃斯莫尔学院和国家地理学会）“濒危语言”

  • Chin-Hui Lee（乔治亚理工学院）“语音增强频谱映射的回归方法”

  • 卡罗琳·罗斯（CMU）“谁是什么和如何之间的桥梁”

  • 塔玛拉·布罗德里克（麻省理工学院）“通过数据汇总实现自动可扩展贝叶斯推断”

  • Jennifer Chu-Carroll（元素认知）“对话以获得更好的理解”

  • Jon Barker（谢菲尔德大学）“家庭环境中的远程麦克风对话语音识别：第五届CHiME挑战赛的一些初步成果”

  • Gautham Mysore（Adobe Research）“简化基于语音内容的创建”

  • Panos Georgiou（USC）“用于行为分析的语音处理和机器学习”

  • William Cohen（谷歌人工智能）“深度学习时代的逻辑与推理”

  • Omri Abend（希伯来语大学）“UCCA：跨语言语义表示的计算方法”

  • Yulia Tsvetkov（CMU）：走向灵活但可控的语言生成

  • Kyunghyun Cho（纽约大学）：神经机器翻译的三个最新方向

  • Brian Roark（谷歌人工智能）：罗马化、非标准拼写和文本输入

  • 雷内·维达尔（约翰·霍普金斯大学）：深度学习数学

  • 黛布拉·马修斯（约翰·霍普金斯大学）：医疗保健及其他领域的人工智能伦理

  • Mari Ostendorf（华盛顿大学）“多因素上下文软件语言建模”

  • Been Kim（谷歌）“超越特征属性的可解释性：用概念激活向量（TCAV）进行定量测试

  • 詹姆斯·普斯特约夫斯基（布兰迪斯大学）“多模通信的共同点建模”

  • Mike Hopcroft（微软）“Bing如何使用Bloom过滤器进行搜索”

  • Richard Sproat（谷歌研究）“语音应用中文本规范化的神经模型”

  • Kate Saenko（波士顿大学）“将愿景和语言连接到一起”

  • Amir Zeldes（乔治敦大学）“语篇信号传递的特征丰富模型”

  • Joao Graca（里斯本大学）”Unbabel：如何将人工智能与大规模专业质量翻译相结合”

  • David Smith（东北大学）“文本依赖建模：信息级联、翻译和多输入注意”

  • Tara Sainath（谷歌研究）“语音识别的端到端建模”

  • Ken Grant（Walter Reed National Military Medical Center）“最小声学线索的语音感知为自动语音识别提供了新方法”

• 2017年演讲者

  • Andrew Gordon（南加州大学）“使用Etcetera诱拐进行自动行为解读”

  • Luke Zettlemoyer（华盛顿大学）“广泛覆盖语义的端到端深度学习：SRL、会议及其他”

  • 李金玉（微软）“Microsoft Cortana语音助手中的深度学习声学模型”

  • 杰弗里·西斯金德（普渡大学）“解码大脑以帮助构建机器”

  • 凯特·克尼尔（剑桥大学）“为语音识别创造的所有语言都是平等的吗？”

  • Katharina Kann（慕尼黑LMU）“利用神经序列-序列模型进行低资源形态生成”

  • Sharon Gannot（以色列巴伊兰大学）“使用深度混合专家进行语音增强”

  • Amanda Stent（彭博社）“金融文本分析：案例研究和一些考虑”

  • 劳拉·迪茨（新罕布什尔大学）“通过知识图形和文本检索复杂答案”

  • 马尔科姆·斯莱尼（谷歌）“听觉注意：从显著性到模型再到应用”

  • Michael Auli（脸书）“序列到序列学习：门控卷积的快速训练和推理”

  • Satinder Singh（密歇根大学）“自然语言交互下连续决策任务的深度强化学习”

  • Lambert Mathias（Amazon）“用异质图式理解自然语言”

  • 塔尔·林岑（JHU）“递归神经网络中的结构敏感依赖性学习”

  • Soumith Chintala（纽约脸书）“深度学习框架概述和PyTorch简介”

  • 黄学东（微软）“认知工具包和语言处理”

  • Nathan Schneider（乔治敦大学）——“介词语义的输入和输出：覆盖和跨语言充分性的挑战”
  • Mohit Bansal（UNC Chapel Hill）–“基于内蕴的自然语言生成的多任务强化学习”
  • Sanjeev Satheesh（百度公司）–“减少生产语音系统中的偏差”
  • 苏珊·史蒂文森（多伦多大学）——“语言如何分割世界：建模发展和语言相对性效应”
  • Kevin Jamieson（加州大学伯克利分校）——“贝叶斯优化和其他潜在的超参数优化坏主意”
  • Ciprian Chelba（谷歌研究）–“稀疏非负矩阵语言建模”
  • 高剑锋（微软）——“机器阅读理解和对话的神经方法”
  • Jordan Boyd-Graber（科罗拉多大学）——“思考你的脚：强化学习以完成增量语言任务”
  • Dilek Hakkani-Tur（谷歌研究）——“深入学习以实现目标导向的对话理解”
  • Sharon Gannot（以色列巴伊兰大学）——“使用MoG模型和神经网络音素分类器的混合语音增强方法”
  • Claire Bonial（美国陆军研究实验室）——“NLP注释资源的合理语义区分”
  • Mi Haitao（蚂蚁金融）——“神经机器翻译的进展”
  • Nathan Schneider（乔治敦大学）“介词语义的输入和输出：覆盖和跨语言充分性的挑战”
  • Margaret Mitchell（谷歌研究）——“人工智能中的算法偏差：影响机器对图像和语言感知的有形和无形因素”
  • Charles Yang（宾夕法尼亚大学）——“概括与例外”
  • 渡边信治（MERL）——“面向自然对话理解的远程语音处理”

• 2016年演讲者

  • Nima Mesgarani（哥伦比亚大学）–“对稳健语音处理中涉及的神经机制进行逆向工程”
  • Jonathan May（南加州大学信息科学研究所）——“我如何学会停止担忧和爱情评估（并保持担忧）”
  • Rebecca Steorts（杜克大学）“微集群的灵活模型及其在实体分辨率中的应用”
  • Vikramjit Mitra（SRI International）–“走向强大的语音处理系统：语音感知、手势语音和机器学习”
  • 路易斯·菲利普·莫伦西（卡内基梅隆大学）“人类交流动力学建模”
  • 鲁旺（东北大学）“理解文本中的观点和论点”
  • Florian Metze（卡内基梅隆大学）“上下文软件语音识别的视觉功能”
  • Hendrik Kayser（奥尔登堡大学）–“助听器和自动语音识别中多通道信号增强的概率空间滤波器估计”
  • Yejin Choi（华盛顿大学）——“程序语言和知识”
  • Mona Diab（乔治华盛顿大学）-“处理阿拉伯语社交媒体：挑战与机遇”
  • Nancy Chen（信息通信研究所）–“低资源口语关键词搜索”
  • 克里斯托·基洛夫（约翰·霍普金斯大学）“多语言HLT应用的丰富形态学建模”
  • Pedro Moreno（谷歌研究）–“谷歌语音搜索中的上下文语音识别”
  • Colin Cherry（加拿大国家研究委员会）——“有效训练双语神经网络语言模型的抽样”
  • David Peterson（语言发明艺术）——“圆锥形”
  • Alexander“Sasha”Rush（哈佛）——“深度学习和语言结构”
  • Bowen Zhou（IBM，T.J.Watson研究中心）-“深度学习问答的最新进展”
  • Diane Litman（匹兹堡大学）——“从文本中挖掘论点，用于写作教学和评估”
  • John Hershey（MERL）–“通过深度聚类实现语音分离：走向智能音频分析和理解”
  • KyungHyun Cho（纽约大学）——“机器翻译的未来（？）”
  • Richard Socher（MetaMind）——“语言和视觉的多模态问题解答”
  • Alona Fyshe（维多利亚大学）“语料库、认知和构成”
  • Niko Brummer（AGNITIO）–“说话人和语言识别中的二进制和多类校准”
  • Sameer Singh（华盛顿大学）——“利用高层监督进行关系嵌入的互动培训

• 2015年演讲者

  • Yoav Artzi（康奈尔理工学院）——使用AMR进行广义CCG语义分析
  • 迪安·福斯特（Amazon.com）——语言学线性方法
  • 莱昂纳多·巴迪诺（意大利理工学院）用于深度神经网络声学建模的语音生成特征
  • Ryan Adams（哈佛）——通过更好的贝叶斯计算实现更好的科学
  • Emma Brunskill（卡内基梅隆大学）交互式机器学习的社会效益挑战
  • Anima Anandkumar（加州大学欧文分校）战胜非凸性的危险：使用张量方法保证神经网络的训练
  • Graham Neubig（奈良理工学院）-同步语音翻译
  • Tomas Mikolov（脸书）-NLP及其他领域的深度学习
  • Guido Zarrella（MITRE公司）-神经形态语言理解
  • Yan Liu（南加州大学）——大规模时间序列数据的学习与挖掘
  • Timothy J.Hazen（微软）——检测文档收集中的事件、趋势和异常
  • Hoifung Poon（微软研究院）——癌症全景图的机器阅读
  • Najim Dehak（麻省理工学院-加拿大国际学院）基于GMM和DNN的音频分类I-矢量表示
  • Dirk Hovy（哥本哈根大学）文本来自人——人口因素如何影响NLP
  • Regina Barzilay（麻省理工学院计算机科学与人工智能实验室）——语言基础的语义
  • Kevin Gimpel（芝加哥丰田技术研究所）-神经释义模型
  • Will Lewis（Microsoft Research）–人人语音翻译–打破语言障碍
  • Abeer Alwan（加州大学洛杉矶分校）——声门下共振在基于机器的语音处理应用中的作用
  • Yariv Ephraim（乔治梅森大学）——多元马尔可夫过程的递归估计
  • Paul Cohen（DARPA和亚利桑那大学信息创新办公室）——阅读初级文献获取大机制
  • Aron Culotta（伊利诺伊理工学院）——面向网络规模的健康观测研究
  • 魏旭（宾夕法尼亚大学）推特及其以外的词汇差异性短语建模
  • Seza Dogruoz（蒂尔堡大学）——在面对面和在线社交互动中拥抱多语言
  • Salim Roukos（IBM T.J Watson研究中心）–认知计算——NLP复兴！

档案文件

• CLSP 2014秋季研讨会系列
• Vimeo存档（到2014年，加上2016工作周开幕日的演示）