学术报告会：深度随机配置网络学习理论

报告时间：2023年11月7日（周二） 10：00

报告地点：自动化与电子工程学院408

报告人： 王殿辉教授

报告题目:深度随机配置网络学习理论

报告人简介：

报告摘要：

工业智能是人工智能技术在信息化和自动化基础上快速崛起的重要领域，其核心技术支撑是具有处理复杂工业数据能力的高效机器学习算法及低比特轻量计算模型。在这个报告中，我们首先提出基于误差反传算法的深度学习框架在工业智能领域应用的局限性，并对无约束随机学习技术的发展历史和算法上长期存在的逻辑错误进行回顾。2017年我们在这一领域取得了突破性的研究成果，提出了隐层权矩阵随机配置的约束条件，并从数学上证明了这种递增式构建深度随机学习模型可以保证对非线性映射的万局逼近性质。我们认为，随着人工智能技术的发展和工程实践，发展具有可解释性、能够处理不确定工业大数据建模与分析的数据驱动的自适应鲁棒低比特机器学习模型具有重大理论和应用价值。最后，讨论了目前机器学习领域中一些重要研究方向，包括适合工业智能的模型结构与知识发现、学习模型与数据之间的匹配关系、处理超大数据集的算法实现、性能评估中的误区及学习模型的选择等问题。