报告题目：Second-Order Type Optimization Methods For Data Analysis
报 告 人：文再文 教授
报告时间：2018-6-9， 9：00—10：00
报告地点：维格堂 417
摘要：Optimization models are ubiquitous in data analysis. In this talk, we will review Gauss-Newton methods for phase retrieval, semi-smooth Newton methods for composite convex programs and its application to large-scale semi-definite program problems, sub-sampled semismooth Newton method for nonsmooth composite minimization problems from large-scale machine learning, as well as an adaptive regularized Newton method for Riemannian Optimization.
个人简介：文再文，北京大学北京国际数学研究中心博导。主要研究最优化理论与算法及其应用。2012年获得教育部新世纪优秀人才支持计划。2013年获得国家自然科学基金优秀青年基金。2015年获得中组部青年拔尖人才计划。2016年获得中国青年科技奖。 文章发表在SIAM J. on Optimization、SIAM J. on Scientific Computing、 Mathematical Programming 等国际重要杂志。开发有 MGLS,FPC_AS,LMaFit, OptM和Arrabit等多个学术软件包。现为 “Mathematical Programming Computation”等杂志编委。