课程概况
本课程重点讲授大数据相关的矩阵优化最新进展,内容包括:数据的相似性和差异性及其两类优化模型刻画;矩阵优化的两类重要方法:SDP凸松弛方法和非凸优化逼近方法;低秩矩阵优化方法。
戚厚铎(Qi Houduo)教授简介
英国南安普顿大学数学科学学院教授,英国的国家大数据科学研究中心艾伦图灵研究所的图灵研究员。担任SCI杂志:Asia-Pacific Journal of Operational Research主编,Mathematical Programming Computation和Journal of Operational Research Society of China的副主编。主持英国皇家学会项目等科研课题4项;在Math.Program., SIAM J. Optimization,IEEE Trans. Signal Process.等国际顶级期刊上发表论文数十篇,对矩阵优化等大数据问题研究取得很多世界水平的重要成果,其讲授的课程内容代表矩阵优化学科的最新进展和世界水平。
时间安排
8月27日(星期二),8:30-11:30,Data: Similarity vs Dissimilarity
8月27日(星期二),14:30-17:30,Two Matrix Optimization Problems(I)8月28日(星期三),8:30-11:30,Two Matrix Optimization Problems(II)
8月28日(星期三),14:30-17:30,EDM Optimization: Convex relaxation
8月29日(星期四),8:30-11:30, EDM Optimization: Nonconvex approach
8月29日(星期四),14:30-17:30,Low-rank matrix optimization
地点:数学与计量经济学院203报告厅
联系人:数学院白敏茹(15211096363)
欢迎硕士研究生、博士研究生和教师参加听课