【报告题目】：TSK模糊系统高效优化新方法

【报 告 人】：伍冬睿

【报告时间】：2022年5月5日（周四）16:30-18:00

【报告地点】：腾讯会议：561-183-439

点击链接入会，或添加至会议列表：https://meeting.tencent.com/dm/DHLwu28j9PtB

【报告人简介】：

伍冬睿，华中科技大学人工智能与自动化学院教授、博导，图像信息处理与智能控制教育部重点实验室副主任，国家海外青年高层次人才，湖北省杰青。主要研究方向为脑机接口、机器学习、计算智能、情感计算。现任IEEE SMC学会助理副主席、eNewsLetter主编和3个IEEE期刊副编。出版学术专著《Perceptual Computing》一部，发表论文180余篇，其中SCI 85篇，ESI高引8篇，获9个优秀论文奖或提名奖，谷歌学术总引用9200余次(H=50)，入选爱思唯尔2021中国高被引学者。授权国际专利5项，中国发明专利11项，转让4项。两种模糊系统算法进入Matlab Fuzzy Logic Toolbox。获2022湖北青年五四奖章，2021中国自动化学会青年科学家奖，2021 IEEE 神经系统与康复工程汇刊最佳论文奖，2020 USERN 形式科学奖, 2020 IEEE 机电一体化与自动化会议最佳论文奖，2019-2021连续三年世界机器人大赛--BCI脑控机器人大赛技术赛全国一等奖或特等奖，2017 IEEE系统、人和控制论学会首届青年科学家奖，2014北美模糊信息处理学会首届青年科学家奖，2014 IEEE模糊系统汇刊最佳论文奖，2012 IEEE 计算智能学会最佳博士论文奖，等。2022年中国自动化学会唯一推荐教育部青年科学奖候选人。

【报告摘要】：

TSK模糊系统被广泛应用于分类和回归问题。然而，当训练数据非常大时，传统的基于进化算法的优化策略和基于全批量梯度下降的优化策略都存在运算代价过高的问题。本报告首先介绍TSK模糊系统与经典的RBF神经网络和混合专家模型等机器学习模型的等价或相似之处，然后借鉴深度神经网络的高效训练方法，把小批量梯度下降、DropOut、Batch Normalization、Adam等优化技巧从神经网络推广至TSK模糊系统训练，取得更好泛化性能。

欢迎感兴趣的师生参加！