2018年10月23号上午，澳门大学陈俊龙教授受我院智能决策与风险分析研究所邀请，在经管院704室做了题为“宽度学习的函数逼近能力及其多种结构及应用”的精彩讲座。BB贝博艾弗森官方网站刘思峰教授、徐海燕教授、朱建军教授、自动化学院院长姜斌教授、加拿大纽芬兰纪念大学商学院Ginger Y. Ke副教授及其他教师代表、硕博研究生现场认真听取了陈俊龙教授的报告，本次学术报告由徐海燕教授主持。

      在此次学术交流活动中，陈俊龙教授介绍，宽度学习系统提供了一种深度学习网络的替代方法，同时，如果网络需要扩展，模型可以通过增量学习高效重建。宽度学习系统保持了卷积神经网络三层节点结构，在训练结果不准确时，通过增加每层中神经元的宽度，加入强化节点，提高网络的准确度。宽度学习可以逐步更新建模系统，而无需从一开始重新训练整个系统。尤其当系统收集到新输入数据时，现有网络结构迫切需要更新以反映系统的真实性和完整性，这一功能完全适用于大数据时代。

      在互动环节，同学们踊跃提问，陈俊龙教授和现场师生就相关问题进行了简单讨论，包括宽度学习算法与深度学习算法的异同，宽度学习方向亟待解决的问题及应用前景等。陈教授的报告使得在场的老师以及学生受益匪浅并且对宽度学习算法有了更加深入的了解。