题目:深度随机配置网络理论及其在工业人大数据建模中的应用
主讲人:王殿辉 教授
时间:7月4日 15:30
地点:世界杯押注的软件529会议室
内容简介:
工业大数据建模中除了要求建模的有效性之外,对建模的实时性要求是难以回避的。目前,传统的机器学习模型和学习算法很难或根本无法应用在工业问题的解决方案中,从而导致工业人工智能技术受到很大程度上的限制。针对这样棘手的技术难题,我们进行了长达10余年的深入研究和探讨,并在2017年首次提出了深度随机配置网络的概念,澄清了学术界30年来对随机训练算法的误区。深度随机配置网络在结构上是桥上多层感知机模型,它是递增式构造的随机神经网络模型,其中的随机权值和阈值在约束条件下选取,从数学上证明了所导致的学习模型具有万局逼近能力。本报告介绍相关的基本理论结果,并用可视化的方法展示了随机配置网络与其它随机学习模型的本质区别和优越性。比较流行的深度学习算法,随机配置算法在学习速度方面具有绝对优势,是人工智能技术在工业应用中的有效建模工具。
王殿辉教授简历:
王殿辉教授1995年3月获东北大学工业自动化专业博士学位,1995-1997在新加坡南洋理世界杯押注的软件学电子工程学院做博士后研究工作,1998-2001在香港理世界杯押注的软件学计算学系研究员,从事机器学习,数据挖掘和图像处理方面的研究工作。2001年7月至今在澳大利亚LaTrobe大学计算机科学与信息技术系从事教学与科研工作。任东北大学国家重点实验室领军特聘教授。主要研究方向:面向工业大数据数据的机器学习理论及其在过程工业数据建模、智能传感系统设计、能源工程中的应用研究。发表研究论文230余篇,技术发明专利1项(深度随机配置网络)。目前是IEEE高级会员,博士生导师,任《IEEE Transactions on Neural Networks and Learning Systems》《IEEE Transactions on Cybernetics》《Information Sciences》《Applied Mathematical Modelling》等多个国际期刊的副主编。