題目：基于深度學(xué)習(xí)的非線(xiàn)性系統(tǒng)建模

主講人：余文

時(shí)間：2018年7月16日（星期一）下午15:30

地點(diǎn)：雁塔校區(qū)圖書(shū)館二樓報(bào)告廳

作者簡(jiǎn)介：余文，教授，博士生導(dǎo)師。1990年本科畢業(yè)于清華大學(xué)自動(dòng)控系，獲得學(xué)士學(xué)位。1992年、1995年在東北大學(xué)電氣工程專(zhuān)業(yè)分別獲得碩士、博士學(xué)位。1995-1996年任教于東北大學(xué)自動(dòng)控制系。1996年至今在墨西哥國(guó)立理工大學(xué)高級(jí)研究中心自動(dòng)控制中心從事研究，目前是自動(dòng)控制中心主任。2002-2003年在墨西哥石油學(xué)會(huì)擔(dān)任研究員職務(wù)。2006-2007年在英國(guó)貝爾法斯特女王大學(xué)任高級(jí)訪(fǎng)問(wèn)研究員，2009-2010年在加州大學(xué)圣克魯茲分校任客座教授，1996年至今一直擔(dān)任東北大學(xué)訪(fǎng)問(wèn)教授。自2006年開(kāi)始一直擔(dān)任IEEE Transactions on Cybernetics、Neurocomputing和Journal of Intelligent and Fuzzy Systems副編輯，現(xiàn)為墨西哥科學(xué)院院士。

講座簡(jiǎn)介：深度學(xué)習(xí)理論已經(jīng)成功應(yīng)用到模式識(shí)別及人工智能上，但在非線(xiàn)性系統(tǒng)建模和控制上，目前還沒(méi)有任何結(jié)果。在這個(gè)討論中，我們首先分析深度學(xué)習(xí)的基本原理和在模式識(shí)別中的學(xué)習(xí)方法。然后我們將CNN, LSTM, autoencoder 和restricted Boltzmann machines推廣到NARMA模型的辨識(shí)上，提出一些非監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)方法。我們用一些benchmark例子證明了算法的有效行性。

主辦單位：學(xué)科建設(shè)辦公室

承辦單位：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院