1 Xinzhiyuan önerilir
Kaynak: Huang Guangbin
Huang Guangbin'e Giriş:
Singapur, Nanyang Teknoloji Üniversitesi, Elektronik ve Elektrik Mühendisliği Okulu Profesörü;
Üç büyük uluslararası yayıncılık grubundan biri olan Elsevier'in Veri Yönetimi Danışma Komitesi Danışmanı;
Çin Sanayi ve Bilgi Teknolojisi Bakanlığı Çin Büyük Veri Endüstrisi Ekolojik İttifakı Başkanı ve Uzman Komitesi;
Thomson Reuters "En Çok Alıntı Yapılan Araştırmacı" ve "Dünyanın En Etkili Bilimsel Eliti";
Singapur Başkanlık Bilim Ödülü adayı (2016);
Aşırı limit öğrenme makineleri hakkında iki makale, Google Akademik Yapay Zeka alanında İlk 10 "zamanla kanıtlanmış klasik makale" olarak seçildi ve TOP2 ve TOP7 olarak sıralandı.
Çok geçmeden, Profesör Huang Guangbinin ELM modeliyle ilgili makalesi Google'ın yapay zeka alanındaki "zaman içinde kanıtlanmış en iyi 2 klasik makalesi" olarak seçildi. Araştırma 2004 yılında yayınlandı.
ELM (Extreme Learning Machines) algoritması, genellikle tek gizli katmanlı ileri beslemeli sinir ağında (SLFN) kullanılır ve şimdi kademeli olarak çok katmanlı ileri beslemeli sinir ağına genişletilir. Bu algoritmanın yalnızca ağdaki gizli katman düğümlerinin sayısını ayarlaması gerekir, yürütme işlemi sırasında ağ düğümlerinin parametrelerini (doğrusal olmayan çeşitli nöronlar dahil) ayarlamasına gerek yoktur ve benzersiz bir optimum çözüm üretir, böylece öğrenme hızı hızlıdır ve genelleme performansı bu iyi. Profesör Huangın ekibi teorik olarak 2006 yılında bu ağ yapısının Evrensel Yaklaşım Yeteneğini ve sınıflandırma yeteneklerini başarıyla kanıtladı. Profesör Huang, ELM'nin aynı zamanda bir tür biyolojik öğrenme mekanizması olduğuna inanıyor.
Bugün ELM, zaman testini geçmiştir ve akademik topluluk tarafından oldukça tanınmıştır. Huang Guangbin, ELM'ye dikkat etmezseniz yapay zeka geliştirmenin önemli sürecini kaçıracağınıza inanıyor.
Profesör Huang Guangbin, geçtiğimiz günlerde Global Mimarlar Zirvesi'nde yapay zeka açılış konuşması olan "Yaygın Zeka ve Yaygın Öğrenme: Akıllı Devrim ve Akıllı Ekonomi Motoru" konuşmasını yaptı ve konuşmasında ELM'den tekrar bahsedildi. Derin öğrenmenin biyolojik öğrenme olmadığına inanıyor ve derin öğrenmenin, ELM'nin ve biyolojik öğrenmenin avantajlarını ve dezavantajlarını karşılaştırdı.
Ayrıca yapay zeka ve makine öğreniminin gelişimini de tanıtan konuşmada, "zeka" patlamasının arifesindeyiz. Geleneksel bilgeliğin aksine, yapay zeka ve makine öğreniminin birbiriyle yakından ilişkili ve üst üste geldiğine inanıyor, ancak aynı şey değil. Yapay zekadaki mevcut 8 ana eğilimi önerdi. Ve endüstriyel ve teknolojik gelişme perspektifinden, gelecekteki gelişmeyi hayal ettim. Sonunda şöyle dedi: Nihayetinde, zaman ve uzayda seyahat eden zekadan ziyade zekanın taşıyıcısıdır.
Tam PPT aşağıda eklenmiştir