学术报告--徐大川教授:大数据环境下的次模优化

发布者:张临杰发布时间:2019-11-12浏览次数:15


题 目:大数据环境下的次模优化

  

摘 要:次模优化广泛研究于计算机、数学、经济学、人工智能等领域。大数据环境下的次模优化理论及算法设计是研究热点之一,主要的研究模型包括有:分布式、并行、在线和流模型等。在流算法中,数据以流的形式呈现,其目的是从数据流中抽取满足某些特性的稀疏代表子集;在并行算法中,通过引入自适应(adaptivity)概念,来衡量算法迭代轮数深度,且保证在同一轮迭代中能实现并行计算。本次报告主要介绍次模最大化问题的流和并行算法,以及若干拓展问题的流和并行算法的进展。


报告人: 徐大川 教授
北京工业大学


时间:2019 年11 月19 日(星期二) 下午16:00-17:00
地点:数学科学学院424 会议室


欢迎广大师生参加!


数学科学学院
2019 年11 月12 日