国家特聘专家王殿辉教授于2025年4月正式入职青岛科技大学，加盟数据科学学院后，将指导和带领学院AI for Engineering团队向更高的目标前进!
个人简历：
1995年3月获东北大学大学工业自动化专业博士学位，主要研究领域为面向工业人工智能的轻量化随机配置学习理论、知识信息随机配置学习理论及应用、复杂工业大数据建模理论及应用。1995年9月-1997年8月在新加坡南洋理工大学做博士后研究工作，1998年6月至2001年6月在香港理工大学计算学系做研究员，2001年7月至2020年12月在澳大利亚La Trobe University 计算机科学与信息技术系从事人工智能方面的教学与科研工作。2017年至今，东北大学流程工业综合自动化国家重点实验室特聘教授，博士生导师；2021年7月-2024年12月在中国矿业大学人工智能研究院工作，任院长、二级教授、博士生导师；2025年4月加盟青岛科技大学数据科学学院，二级教授、博士生导师，引领“AI for Engineering”研究团队建设。王殿辉教授2016年入选北京市火炬计划海外高层次人才；2019年入选中组部国家重大人才计划。2022年创刊国际学术期刊《Industrial Artificial Intelligence》并任主编，现任《IEEE Transactions on Fuzzy Systems》、《Information Sciences》、《WIREs Data Mining and Knowledge Discovery》学术期刊副主编，曾任《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Cybernetics》、《Artificial Intelligence Review》等国际学术期刊副主编。2020-2025承担科技部《2030人工智能基础》重大项目研究（课题负责人），发表学术文章290余篇，主编“Springer Lecture Notes on AI” 一部，作为客座执行主编在国际著名期刊《Information Sciences》编辑“神经网络随机学习算法”特刊3卷、“工业人工智能”特刊1卷。
主要学术贡献：2017年创建深度随机配置网络（Stochastic Configuration Networks）学习理论，从根本上解决了长期存在于随机学习技术中的核心问题，突破了传统训练神经网络使用的误差反传算法中对激发函数可导性的限制，并采用自适应学习机制解决了长期以来困惑人们使用神经网络建模时模型结构确定的瓶颈问题。2023年在深度SCN的基础上，提出了具有轻量、可解释性的随机配置学习机（Stochastic Configuration Machines）理论，并首次提出了学习模型复杂度概念，证明了模型复杂度不低于数据复杂度是学习模型具有一阶万局逼近性质的必要条件。
