天天乐娱乐城官网-国外博彩网站-天游线路检测6测速

　　5月18日，由學(xué)生工作處主辦、數(shù)學(xué)科學(xué)學(xué)院承辦的聊城大學(xué)第95期“羨林大講堂”以線(xiàn)上直播、線(xiàn)下集中觀(guān)看的方式，于西校區(qū)11#B207、A201開(kāi)展。華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院院長(zhǎng)陳俊龍受邀做客本期羨林大講堂，作題為《動(dòng)態(tài)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)：構(gòu)建疊層寬度神經(jīng)網(wǎng)絡(luò)成深度模型》的報(bào)告。本次報(bào)告會(huì)由數(shù)學(xué)科學(xué)學(xué)院副院長(zhǎng)趙軍圣主持，學(xué)院部分教師、研究生和數(shù)據(jù)科學(xué)與大數(shù)據(jù)專(zhuān)業(yè)2019級(jí)學(xué)生聽(tīng)取了報(bào)告。

　　報(bào)告強(qiáng)調(diào)，深層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能夠使網(wǎng)絡(luò)具有強(qiáng)大的學(xué)習(xí)能力，然而大多數(shù)深度網(wǎng)絡(luò)的訓(xùn)練方式也是基于反向傳播的梯度下降法或隨機(jī)梯度下降法，往往存在著訓(xùn)練消耗時(shí)間長(zhǎng)、容易陷入局部最優(yōu)解等問(wèn)題。寬度學(xué)習(xí)系統(tǒng) (Broad Learning Systems， BLS) 是一種淺層的具有增量學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)，具有快速、高效的優(yōu)點(diǎn)，然而其淺層結(jié)構(gòu)也限制了網(wǎng)絡(luò)的特征表達(dá)能力。一種具有動(dòng)態(tài)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)“由構(gòu)建疊層寬度神經(jīng)網(wǎng)絡(luò)成的深度模型”可以解決上述問(wèn)題。該模型保留了寬度學(xué)習(xí)系統(tǒng)高效、快速的優(yōu)點(diǎn)，同時(shí)通過(guò)殘差連接將多個(gè)寬度學(xué)習(xí)系統(tǒng)模塊疊加起來(lái)，增加網(wǎng)絡(luò)的深度，提高網(wǎng)絡(luò)的學(xué)習(xí)能力。疊層寬度神經(jīng)網(wǎng)絡(luò)（Stacked BLS）的“動(dòng)態(tài)”體現(xiàn)在寬度和深度兩個(gè)方面。寬度方向的增量學(xué)習(xí)體現(xiàn)在寬度學(xué)習(xí)系統(tǒng)模塊內(nèi)部的神經(jīng)元：在每一個(gè)寬度學(xué)習(xí)系統(tǒng)模塊內(nèi)部，當(dāng)新增加特征節(jié)點(diǎn)、增強(qiáng)節(jié)點(diǎn)或輸入數(shù)據(jù)時(shí)，只需要學(xué)習(xí)新增加部分的權(quán)重即可；深度方向的增量學(xué)習(xí)體現(xiàn)在寬度學(xué)習(xí)系統(tǒng)模塊之間：在寬度學(xué)習(xí)系統(tǒng)模塊之，當(dāng)疊加新的寬度學(xué)習(xí)系統(tǒng)模塊時(shí)，下層模塊的參數(shù)可以固定不變，只需要計(jì)算新疊加的寬度學(xué)習(xí)系統(tǒng)模塊的網(wǎng)絡(luò)參數(shù)即可。這兩種增量學(xué)習(xí)的方式使得模型的計(jì)算量較少，網(wǎng)絡(luò)復(fù)雜性較低，使用過(guò)程中可以很方便的增加網(wǎng)絡(luò)的寬度和深度，并實(shí)現(xiàn)快速、高效的訓(xùn)練，能夠針對(duì)不同任務(wù)進(jìn)行適應(yīng)性的調(diào)整，提高模型的泛化能力。疊層寬度神經(jīng)網(wǎng)絡(luò)在多個(gè)數(shù)據(jù)集上展現(xiàn)了優(yōu)越性，在多個(gè)圖像數(shù)據(jù)庫(kù)的測(cè)試，均優(yōu)于現(xiàn)有的很多圖像分類(lèi)方法，同時(shí)相較于深度神經(jīng)網(wǎng)絡(luò)方法，動(dòng)態(tài)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)大幅減少了網(wǎng)絡(luò)計(jì)算時(shí)所需要的參數(shù)數(shù)量。

　　報(bào)告結(jié)束后，同學(xué)們紛紛表示受益匪淺，要以陳教授為榜樣，刻苦鉆研，為國(guó)家大數(shù)據(jù)發(fā)展貢獻(xiàn)自己的力量。

　　陳俊龍（C. L. Philip Chen），華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院院長(zhǎng)、講座教授、清華大學(xué)海外杰出訪(fǎng)問(wèn)教授、中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)、科睿維安全球高被引科學(xué)家（工程及計(jì)算機(jī)雙學(xué)科）、美國(guó)工學(xué)技術(shù)教育認(rèn)證會(huì)評(píng)審委員及我國(guó)計(jì)算機(jī)科學(xué)與技術(shù)的教育指導(dǎo)委員會(huì)成員。曾任IEEE Transactions on Cybernetics （2020-2021）、IEEE Trans. on Systems、Man, and Cybernetics: Systems （2014-2019）頂級(jí)期刊主編、IEEE SMC 學(xué)會(huì)國(guó)際總主席（2012-2013），現(xiàn)任《中國(guó)科學(xué)》、《自動(dòng)化學(xué)報(bào)》，IEEE Trans. on Fuzzy Systems, 和 IEEE Trans. on AI 的副編。曾獲2次IEEE Transactions on Neural Networks and Learning Systems年度期刊最佳年度論文獎(jiǎng)，在2018 年獲IEEE系統(tǒng)科學(xué)控制論最高學(xué)術(shù)維納獎(jiǎng) (Norbert Wiener Award)，獲2021 IEEE Joseph Wohl 終身成就獎(jiǎng)，及獲2021吳文俊人工智能杰出貢獻(xiàn)獎(jiǎng)?？蒲蟹较?yàn)橹悄芟到y(tǒng)與控制、計(jì)算智能等；科研支持包括科技部重點(diǎn)研發(fā)項(xiàng)目（首席）、國(guó)家基金委重點(diǎn)項(xiàng)目在人工智能方向的科研、以及多項(xiàng)廣東省、廣州市、澳門(mén)科技基金委的資助；科研成果包括3次澳門(mén)自然科學(xué)獎(jiǎng)、廣東省科學(xué)技術(shù)一等獎(jiǎng)等。曾任澳門(mén)大學(xué)講座教授及科技學(xué)院院長(zhǎng)、澳門(mén)大學(xué)工程學(xué)科及計(jì)算機(jī)工程獲國(guó)際《華盛頓協(xié)議》、《首爾協(xié)議認(rèn)證》，是他對(duì)澳門(mén)工程教育的至高貢獻(xiàn)。

　　（審核 趙軍圣）