2019年9月22日至25日，应AZFT赵春晖教授邀请，加拿大阿尔伯塔大学黄彪院士来访，对工业过程软测量问题进行了深入研讨，共组织了四次专题讨论会。

        黄彪，1997年在加拿大阿尔伯塔大学获得博士学位，现为加拿大国家工程院院士、加拿大化工院院士、加拿大国家自然科学与工程基金委员会油沙过程控制工业研究首席科学家、我国教育部长江学者讲座教授，曾发表学术期刊论文180余篇，著有多本学术专著，是过程控制系统性能评估与诊断、预测控制、系统辨识等领域的国际著名专家。

        黄彪院士于22日至25日，在工控新楼211和501会议室，和学院的学生、老师围绕“基于EM算法的软测量模型”，“基于变分贝叶斯算法的软测量模型”，“基于半监督算法的软测量模型”以及“基于深度学习的软测量模型”四个专题展开了深入讨论，会议由赵春晖教授主持。

        会议第一天，黄彪院士就EM算法的原理从KL散度的角度进行了详细的推导，并以求解高斯混合模型为例，说明了EM算法在处理多模态、多工况情况下软测量问题的方法和优势。不同于传统的软测量方法，EM算法可以求解构成数据的多个高斯分布，并以多个分布表示不同的过程工况，综合完成对质量指标的预测任务。

        会议第二天，黄老师就第一天EM算法的内容进行了拓展，讲述了EM算法的改进变分贝叶斯算法的原理及其应用，相比于传统的EM算法，变分贝叶斯算法不但可以估计模型的隐藏状态还可以实现对隐藏状态分布的估计，在软测量、状态方程求解、以及控制优化领域有着广泛的应用。会议期间，同学们就会议内容展开了热烈讨论，向黄老师请教了诸多问题。

        会议第三天，黄老师主要介绍了基于半监督学习的软测量方法，主要包括，自训练方法、协同训练方法、半监督支持向量机、基于图的半监督学习方法等，讨论如何同时利用有标签数据与无标签数据完成工业上的软测量任务；会议第四天，黄老师则继续介绍了流行的深度学习方法在软测量领域的应用，具体包括LSTM、极限学习机、深度信念网络等。会议期间，赵春晖老师课题组的余万科博士也就相关内容做了报告，与黄老师做了深入交流。