在這個“智能+”的時代，有沒有什么新的算法讓人工智能更具學(xué)習(xí)能力？讓人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)變得輕松愉快？國際知名人工智能領(lǐng)域?qū)＜尹S廣斌給出了答案，開創(chuàng)性地研究出了Extreme Learning Machines?（ELM，超限學(xué)習(xí)機(jī)）理論和體系，突破了前30多年流行的前饋神經(jīng)網(wǎng)絡(luò)以及20多年廣泛應(yīng)用的支撐向量機(jī)（SVM）的理論和技術(shù)瓶頸，打破了機(jī)器學(xué)習(xí)和生物學(xué)習(xí)之間的壁壘。

 

　

 

　　黃廣斌，新加坡南洋理工大學(xué)電氣和電子工程學(xué)院全職終身教授，被Thomson Reuters 評為“2015 Highly Cited Researcher?”（工程類，計算機(jī)科學(xué)類），是新加坡總統(tǒng)科學(xué)獎被提名人（2016），世界三大出版集團(tuán)之一Elsevier數(shù)據(jù)管理顧問委員會顧問。黃教授的主要研究方向為大數(shù)據(jù)處理分析、腦機(jī)交互、人機(jī)交互、機(jī)器學(xué)習(xí)理論和技術(shù)等。

 

　　開宗立派，研究出人工神經(jīng)網(wǎng)絡(luò)新的算法（超限學(xué)習(xí)機(jī)）

 

　　Extreme Learning Machine（ELM），即超限學(xué)習(xí)機(jī)，人工神經(jīng)網(wǎng)絡(luò)研究中的一種算法，突破了前30年流行的前饋神經(jīng)網(wǎng)絡(luò)以及近20年廣泛應(yīng)用的支撐向量機(jī)（SVM）的理論和技術(shù)瓶頸。這一種全新的理論和學(xué)習(xí)方法的誕生充滿了詩意的偶然和科研的必然。

 

　　黃廣斌教授曾接受采訪說過，一開始埋頭研究，暫時找不到明確的答案，為避免太壓抑，閱讀文學(xué)作品放松。第七次讀《三國演義》，腦中浮現(xiàn)書里各色鮮活人物時，他突然意識到，過去的數(shù)百萬年產(chǎn)生了數(shù)萬億人類和動物，都有著不同大腦，卻很難在這么多的大腦中安裝用于不同的應(yīng)用和任務(wù)的不同學(xué)習(xí)算法。黃教授想到可能會出現(xiàn)一些通用的學(xué)習(xí)算法，可以安裝在這數(shù)萬億個不同的大腦中，用于不同的應(yīng)用和任務(wù)，而大腦中的這些算法都應(yīng)該和數(shù)據(jù)和應(yīng)用相互獨立無關(guān)的。

 

　　就在當(dāng)天凌晨黃廣斌教授得到靈感，測試了 data-independent 算法，最終將該算法命名為超限學(xué)習(xí)機(jī)。ELM和SVM/LS-SVM、Deep Learning（深度學(xué)習(xí)）相比，準(zhǔn)確率高，簡單易用，學(xué)習(xí)速度可以快幾千到幾萬倍；而且為回歸擬合（function?approximation）？，二類（binary?class）和多類（multi-class）分類應(yīng)用問題提供了統(tǒng)一的解決方案。ELM不僅能有效的應(yīng)用于稀疏數(shù)據(jù)，也能有效用于大數(shù)據(jù)的學(xué)習(xí)處理。

 

　　ELM理論最近也得到了生物和腦神經(jīng)學(xué)的直接生物驗證，彌補(bǔ)了機(jī)器學(xué)習(xí)和腦學(xué)習(xí)機(jī)制之間的空白，解決了計算機(jī)之父馮？諾依曼60年前的關(guān)于人腦和計算機(jī)結(jié)構(gòu)和能力的困惑?，F(xiàn)在ELM已經(jīng)被越來越多的用在模式識別，基于腦電波的疾病診斷預(yù)測，腦機(jī)交互，人機(jī)交互，圖像處理，人臉識別，人的姿勢手語識別，手寫體識別，目標(biāo)識別，衛(wèi)星圖象實時遠(yuǎn)程遙感，網(wǎng)絡(luò)安全，從低分辨率圖像構(gòu)造超分辨率圖像等等。

 

　　想知道ELM的深刻意義嗎？想知道人工智能學(xué)習(xí)能力究竟到了哪種程度以及未來趨勢嗎？關(guān)注第四屆中國機(jī)器人峰會，聽黃廣斌教授現(xiàn)場解說。