学术动态
您当前所在位置: 首页 > 学术动态

从数值最优化方法到学习最优化方法

发布日期 : 2019-12-02 浏览次数 :


报告题目:从数值最优化方法到学习最优化方法

报 告 人:郭田德教授 (中国科学院大学数学科学学院)

间:2019128号 下午 14:30-16:00

点:数学科学学院三楼报告厅

报告摘要: 传统最优化问题的求解方法主要是以梯度法为基础的数值最优化方法,它是一种基于固定模式的最优化方法。算法的迭代过程实质上是对迭代点进行非线性变换的过程,该非线性变换是通过一系列方向和步长来实现。对于最优化问题的每一个实例,都需要从头到尾执行整个算法,计算复杂度是固定的。一旦算法被程序实现,算法的效率就被固定。人工智能解决问题的方法都具有学习功能,随着人工智能,特别是深度学习的兴起,学习类方法在一些领域取得了巨大的成功,如图像识别、网络攻击防范、自然语言处理、自动驾驶、金融、医疗等。本报告从新的视角研究传统的数值最优化方法和智能优化方法,分析其特点,由此引出学习最优化方法,并对它们进行了对比,提出了学习最优化方法的设计思路。最后,我们以组合最优化为例,对该类方法的设计原理进行阐述。

报告人简介:郭田德 博士,中国科学院大学数学科学学院长聘教授、二级教授、常务副院长,中国科学院数学与系统科学研究院优化与应用研究中心副主任、中国科学院大数据挖掘与知识管理重点实验室副主任。主要的研究方向包括最优化的理论与算法、小波分析及其应用、模式识别、机器学习的理论与应用等。近几年在国内外学术刊物上发表论文100多篇、申请专利多项,先后主持了科技部863项目和科技支撑计划项目、国家基金委面上项目、重点项目和重大项目课题、中国科学院重要方向项目、公安部重点课题等项目。参与了我国公安部指纹识别和指纹压缩多项标准的制定工作,多年从事指纹自动识别算法和指纹自动识别系统的研发工作,指纹自动识别算法成功地应用到我国一些省市自治区的指纹自动识别系统中,在刑事侦查、反恐、国家安全、公共安全等领域发挥了重要作用。先后获得公安部科学技术奖二等奖、北京市科学技术奖三等奖、中国运筹学会科学技术奖一等奖、国际运筹学会运筹学发展奖二等奖(IFORS prize for OR in development, Runner-up)

关闭

友情链接:微信红包群  单雷避雷软件  2019微信红包接龙群二维码  红包群玩法  手机红包提示音  微抢红包群  免费进群微信红包  手机红包图片  红包扫雷群  红包外挂安卓版