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
姓 名：
职 称：
邮 箱：
办 公
办 公 室 电 话：
研 究 方 向：
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
官方微信
