王乐，Liquid Instruments的应用工程师，博士毕业于美国理海大学，研究方向主要为光学仪器开发和化学显微成像。专注于推动Moku测试与测量技术在不同学科中的发展与应用。
1、基于FPGA的神经网络优势；
2、神经网络在信号处理、去噪、传感器调节与自适应控制等应用及示例；
3、如何python构建和训练神经网络、优化模型；
4、在Moku上部署神经网络实现实时机器学习。
Moku 多功能测控平台新增支持【神经网络】仪器功能，轻松将机器学习算法应用于实验平台，实现智能反馈调整和实时数据分析。利用FPGA 的可重构性和高速处理能力，神经网络可与其他 Moku 平台的仪器功能无缝集成组合使用，实现实时数据处理且耗能低，从而推动机器学习辅助信号分析、去噪成像、传感器调节校准、闭环反馈等实验进展。
此次研讨会将介绍使用Python构建和训练神经网络的简要流程，并展示如何在Moku平台上实现高效部署神经网络，实现实时推理和机器学习，并分享典型应用案例，共同探讨人工智能如何推动前沿技术发展。
适合以下研究领域的用户：
对人工智能和机器学习、数据科学、物理光电、电子工程学院、自动化和控制科学领域感兴趣的高校科研用户；
医学成像、神经科学、以及生物信号分析的用户；
从事机器人控制、闭环反馈控制系统和自动化流程优化的企业；
国防和航空航天、激光雷达等对精密测量、高精度测量需求的用户；
量子计算与实时机器学习算法等等。