为拓展实验室各团队的学术视野，促进团队间学术交流，2023年7月31日，光明实验室在科润大厦11楼大会议室举办了主题为“Randomization Based Deep and Shallow Learning Methods for Classification and Forecasting（用于分类和预测的随机化深度及浅层学习方法）”的学术沙龙。汇报人由卡塔尔大学教授、IEEE会士、谷歌高被引学者、Swarm and Evolutionary Computation 期刊创刊主编 P.N. Suganthan 教授担任，实验室大数据智能处理与分析团队带头人黄哲学教授主持学术沙龙。

在本次讲座中，P.N. Suganthan 教授阐述了基于随机化前馈学习范式的相关内容，详细介绍了封闭形式的前馈神经网络解决方案——随机向量功能链接神经网络(RVFL)，由于该网络具有良好的可扩展性，受到广泛关注。讲座还介绍了其他前馈网络类型，包括随机权重神经网络(RWNN)、极限学习机(ELM)、随机配置网络(SCN)和广义学习系统(BLS)等。同时，P.N. Suganthan 教授展示了深层次RVFL的版本，并深入探讨了超参数调优方法。相关处理对提升网络性能和效率起到了重要作用。讲座交流中 P.N. Suganthan 教授还分享了基于分类数据集的广泛基准研究情况，为参会者深入了解前馈神经网络研究现状及其未来应用探索提供了有益参考。

此外，Suganthan 教授还与众与会者探讨了决策树（DT）/随机森林（RF）等方法在解释性人工智能方面的潜力，以及在训练过程中的并行化和竞赛性能。

此次学术沙龙为与会科研人员和学生们提供了一个深入了解随机化深度及浅层学习方法的机会。与会者纷纷表示，讲座为人工智能领域的探索和研究提供了有益的启示，促进了观点的碰撞与新想法、新思路的启发。

光明实验室自成立以来，定期邀请顶尖科学家前来开展学术沙龙活动，分享各领域优秀科研成果及创新型技术，为推动人工智能及相关领域的发展贡献力量。实验室执行主任于非院士期望通过交流科研进展，能够做到夯实技术基础，拓宽技术能力，使得光明实验室从起步阶段就处于技术领域前沿的站位高度。