Challenges and Open Problems in Signal Processing: Panel Discussion Summary from ICASSP 2017
目標：通過這一文章找到potential research direction
這篇文章是icassp頂級會議邀請的幾位著名人物所寫對不同領域的預測。
第一部分 機器學習方向
第一，目前的流行趨勢是在深度學習，其特點是采用大數據和大的計算能力獲得的，但是其可解釋性比較差，而且對於個體的穩定性比較差。現有的研究方法是將深度學習和符號系統結合在一起。
第二，有監督學習已經獲得了較好的結果。目前在增強學習和無監督學習還有較多的提升能力。對於無監督學習，可以采用的一種思路是用gan網絡來獲得更多的樣本，同時cross domain的弱監督也是非常有研究價值的。
第三，元學習的思路。
第二部分 圖信號方向 Open problems in
第一，傳統的方法采用的是格子結構，而目前的很多數據是非結構化的數據。不僅可以信號本身，還可以描述不同信號之間的聯系。例如目前常說的知識圖譜就是其中的方向之一。
第二，現在的研究熱點是將傳統的信號處理方法拓展到現在的圖結構中。
第三部分 語音語言處理 Open problems in speech and language processing
第一，這裏包含的方向有speech recognition(speech"words), natural language understanding (words"meaning), natural
第二，當背景噪音比較大，或者有多個人在同時說話時，目前的性能還是遠差於人類的結果。
第三，目前比較流行的趨勢是Two emerging trends aimed at addressing some of the challenges are continuous representations and end- to- end
training。前者是指將原來的信號轉換到了新的連續空間，將原來不定長度變成了定長的信號，從而可以采用傳統的機器學習方法。後者的概念可以參考http://www.360doc.com/content/16/1229/22/32626470_618762237.shtml。主要的意思是指不需要進行vad、去噪以及特征提取等過程，而是從輸入端的語音，中間包括有神經網絡，終端就是文本的輸出，這樣避免了傳輸中帶來的不便。
Challenges and Open Problems in Signal Processing: Panel Discussion Summary from ICASSP 2017