摘要:基于误差反传的深度学习技术在理论基础方面存在严重的欠缺和不足，在一定程度上限制了它在工业领域中应用。结合本人多年来的在神经网络在工业数据建模与自适应控制领域的研究经历，澄清学术界30年来在随机训练算法方面的认知错误，系统地介绍了深度随机配置网络的概念以及相关的系列学习算法，用可视化的方法展示了随机配置网络与其它随机学习模型的本质区别和优越性，并展示了一些工业应用实例。报告最后分享了未来进一步研究的相关问题。

报告人简介:王殿辉，1995年3月毕业于东北大学工业自动化专业，获工学博士学位。1995年9月-1997年8月在新加坡南洋理工大学做博士后研究工作，1998年6月至2001年6月在香港理工大学计算学系做研究员，2001年7月-2020年12月在澳大利亚La Trobe University计算机科学与信息技术系Reader，从事人工智能方面的教学与科研工作。自2017年以来，兼职东北大学流程工业综合自动化国家重点实验室外籍特聘教授、博士生导师，2021年7月正式入职中国矿业大学人工智能研究院，并任AI研究院第一任院长、二级教授、博士生导师。