Peter Gerstoft教授首先介绍了海洋声学中涉及到的数据驱动的机器学习方法以及与其它常规的基于物理模型方法的区别。随后,他详细报告了利用监督机器学习方法(神经网络和压缩感知)的声源定位和方位估计,并通过几个典型实验数据的结果阐述了机器学习方法在水声应用中的潜力。另外,他还介绍了几个无监督机器学习方法的应用场景,如基于图信号处理的声源定位和基于字典学习的传播时间层析。最后,他指出机器学习方法在海洋声学和地球物理领域中丰富的科研机会和潜力。
Peter Gerstoft教授,于1986年在丹麦科技大学获得博士学位,先后在麻省理工学院、伍兹霍尔海洋研究所、意大利SACLANT水下研究中心工作;1997年起在Scripps海洋研究所工作,并担任加州大学圣地亚哥分校的教授。他发表了超过200篇学术论文,Google Scholar引用量超过8200次。另外他也是美国声学学会会士,将在第178届美国声学学会年会(2019年12月)中担任主席。
![](http://www.ioa.cas.cn/xwzx/kydt/201907/W020190725585636063808.jpg)
![](http://www.ioa.cas.cn/xwzx/kydt/201907/W020190725585636240649.jpg)