课程题目：Extreme Learning Machines (超限学习机)
主 讲 人：Guang-Bin Huang(黄广斌)
Nanyang Technological University, Singapore (新加坡南洋理工大学)
时 间：2015年12月22日（星期二）下午15:00-17:30
2015年12月23日（星期三） 全天
地 点：数学学院三层报告厅
欢迎广大师生届时参加！
医学大数据研究中心 数学学院 信息学院
2015年12月21日
主讲人简介：
黄广斌(Guang-Bin Huang)，男，新加坡南洋理工大学电子电气工程学院副教授 (tenured)，分别于1991和1994在中国东北大学获取应用数学学士和计算机工程硕士学位，并于1999年1月在新加坡南洋理工大学获取工学博士学位，IEEE高级会员。IEEE Transactions on Cybernetics, Neurocomputing，Cognitive Computation和Neural Networks编辑，IEEE Transactions on Neural Networks and Learning Systems (2013)最佳论文获得者，德国宝马集团和南洋理工大学联合研究实验室（BMW-NTU Future Mobility Research Laboratory）人机交互、脑机交互以及汽车辅助驾驶项目负责人，劳斯莱斯和南洋理工大学联合研究实验室（Royce Rolls – NTU Corporate Lab）导航决策辅助系统项目负责人，新科工程和南洋理工大学联合研究实验室（Singapore Technologies Engineering – NTU Corporate Lab）场景识别和机器学习项目负责人，台达电子和南洋理工大学联合研究实验室（NTU – Delta Lab）数据分析和视频项目负责人，新加坡樟宜机场新加坡航空公司地面服务公司第五货运大厦的信息跟踪控制系统升级改造的总设计师和项目技术负责人(1998-2001) 。被Thomson Reuters 评为“Highly Cited Researcher”，被Thomson Reuters 评为“2014 The World's Most Influential Scientific Minds(2014年世界最有影响力的科学思想)”之一。目前的研究方向包括：大数据处理分析，脑机交互，人机交互，图像处理，机器学习理论和技术。
主要学术贡献是提出Extreme Learning Machines（ELM，超限学习机）这种全新的学习理论和方法，突破了前30年流行的前馈神经网络以及近20年广泛应用的支撑向量机（SVM）的理论和技术瓶颈，与SVM/LS-SVM，Deep Learning（深度学习）相比，准确率高，简单易用，学习速度可以快几百到几万倍，并得到了生物和脑神经学的直接生物验证，弥补了机器学习和脑学习机制之间的空白，解决了计算机之父冯·诺依曼（John von Neumann）60年前的关于人脑和计算机结构和能力的困惑。
课程摘要：
近几年人工智能和机器学习的研究和应用开始变得火热起来。本短期课程简介新的学习理论和技术（所衍伸的生物学验证的学习方法叫超限学习机ELM）及其应用。超限学习机和广泛流行的学习技术（比如传统的人工神经网络，支持向量机）相比，速度快（可以达到几百到几万倍），精确度高。本短期内容包括ELM理论，基本ELM算法，基于核的ELM算法，ELM的Online learning, incremental learning，auto encoder, 多层ELM和hierarchical ELM，ELM和其他算法的结合（包括深度学习等），ELM和SVM的区别与联系，ELM的应用。