报告题目：  Extreme Learning Machines (ELM) - Towards Brain Alike Learning            and Fundamentals to Big Data Analytics

          超限学习机 - 迈向人脑学习机制的一小步以及大数据分析的基础

报 告 人：Guang-Bin Huang 黄广斌

报告时间：7月16日下午15：30-17：00

报告地点：文理楼254

报告人介绍：

黄广斌(Guang-Bin Huang) IEEE Transactions on Cybernetics, Neurocomputing，Cognitive Computation和Neural Networks编辑。他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。他是新加坡南洋理工大学电子电气工程学院副教授 (tenured) 。他是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。他是刚刚成立的台湾台达电子工业股份有限公司和南洋理工大学联合物联网实验室（Delta-NTU IoT Lab）数据分析处理和机器学习项目负责人。他也是即将成立的新加坡科技(ST Engineering)和南洋理工大学自主机器人实验室机器学习应用方向研究负责人(联合实验室预期2014年8月成立,总投资约合人民币2.5亿)。他是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)。他的一个主要学术贡献是提出一套全新的学习理论和方法：Extreme Learning Machines （ELM，超限学习机）。ELM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。和ELM相比，支撑向量机及其演伸方法只是提供次优学习方案。ELM和SVM/LS-SVM， Deep Learning（深度学习）相比，准确率高，简单易用，学习速度可以快几千到几万倍。ELM理论最近也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。

 

                                                华人策略综合讨论大厅  科技处

                                                  2014-7-15