当前位置>>首页 >> 分会场报告人
王殿辉 教授、博士生导师
2021/9/28 15:36:00    



王殿辉19953月毕业于东北大学工业自动化专业获工学博士学位,19959-19978月在新加坡南洋理工大学做博士后研究工作,19986月至20016月在香港理工大学计算学系做研究员,20017-202012月在澳大利亚La Trobe大学计算机科学与信息技术系,从事人工智能方面的教学与科研工作。自2017年以来,王殿辉教授是东北大学国家流程工业综合自动化重点实验室外籍特聘教授、博士生导师, 20217月入职中国矿业大学人工智能研究院,二级教授、博士生导师。

针对复杂工业数据建模问题,王殿辉教授于2017年创建深度随机配置机器学习理论(DeepSCN.com),目前这一随机学习模型在学术界和工业界都得到了广泛认同并正在产生积极影响。王殿辉教授现为IEEE高级会员,IEEE Transactions on Fuzzy Systems, IEEE Transactions on Cybernetics, Information Sciences等国际学术期刊副主编,目前承担科技部《2030人工智能基础》重大项目研究(课题负责人),发表学术文章240余篇,编辑Springer Lecture Notes一部,在Information Sciences 编辑随机学习算法方面特刊2卷。



报告题目:深度随机配置网络理论基础及其在工业数据建模中的应用

报告摘要:

复杂工业数据建模技术是数据预测分析中的核心,对智能传感、智能控制、智能感知系统的研发具有重要意义。在很多工程应用中,我们需要在计算资源受限的情况下实现高精度、实时预测。目前的深度学习技术无论在理论基础方面还是在工业应用方面都存在一些难以克服的瓶颈问题。结合工业自动化、智能制造等领域的应用背景和数据特点,介绍深度随机配置学习理论中的一些重要研究成果和相关的学习算法,并针对工业人工智能中需要解决的技术问题以及它们与深度随机配置网络学习模型之间的关系,通过伺服系统减震数据建模实例进行讨论。