报告题目1：浅谈分布式优化算法
报告人1：刘歆副研究员
报告人1单位：中国科学院数学与系统科学研究院
时间：2017年9月20日15：00-16：00
地点：仙林校区教2-314室
主办单位：bat365在线官网入口、视觉认知计算与应用研究中心、科研院
报告1内容：优化模型是解决数据分析问题的强有力工具。但是随着数据量的不断增大，传统优化算法无论在运行效率还是存储上都显得捉襟见肘，分布式并行优化算法成了必不可少的工具。本报告中，我们将介绍分布式优化的基本概念、分类，以及已有方法的特性。我们还将介绍这一领域一些前沿的研究结果。
报告人1简介：2004年本科毕业于北京大学数学科学学院；2009年于中国科学院研究生院获得博士学位，导师是袁亚湘院士。毕业后留所工作至今。期间分别在德国ZIB研究所、美国RICE大学、美国纽约大学Courant研究所进行过长期访问。主要研究方向包括正交约束矩阵优化问题，包括线性与非线性特征值问题；非线性最小二乘问题的算法与理论；分布式优化算法设计。刘歆主持并完成一项国家自然科学基金青年基金项目；现主持一项国家自然科学基金面上项目，并于2016年8月获得国家自然科学基金委优秀青年科学基金。2014年12月入选中国科学院数学中国运筹学会青年科技奖；2017年2月入选中国科学院北京分院“启明星”优秀人才计划。于2015年7月起担任《Mathematical Programming Computation》编委，于2017年7月起担任《计算数学》编委。
报告题目2：Efficient Methods for Robust Principal Component Analysis
报告人2：申远副教授
报告人2单位：南京财经大学应用数学学院
时间：2017年9月20日16：00-17：00
地点：仙林校区教2-314室
主办单位：bat365在线官网入口、视觉认知计算与应用研究中心、科研院
报告2内容：The matrix separation problem aims to separate a low-rank matrix and a sparse matrix from their sum. This problem has recently attracted considerable research attention due to its wide range of potential applications. Nuclear-norm minimization models have been proposed for matrix separation and proved to yield exact separations under suitable conditions. These models, however, typically require the calculation of a full or partial singular value decomposition at every iteration that can become increasingly costly as matrix dimensions and rank grow. To improve scalability, we propose and investigate several new approaches based on solving non-convex, low-rank factorization model. By avoiding the expensive SVD computation, the time efficiency of the proposed methods should be high. We compare the proposed approaches with some existing solvers, and the extensive numerical results show that, within its applicability range, the proposed methods in general have much faster solution speed than nuclear-norm minimization algorithms and often provides better recoverability.
报告人2简介：申远，南京财经大学应用数学学院副教授、硕士生导师。毕业于南京大学数学系，师从国内优化领域资深专家何炳生教授。博士期间主要从事最优化算法的研究，在多块变量结构型优化问题一阶算法的构建、收敛性分析、复杂度分析方面有多篇成果。在读博期间，曾访问国际优化界知名专家、美国Rice大学张寅教授，并致力于最优化模型及算法在信息科学等领域的应用，对该领域的各种前沿问题均有较为深入的理解和把握，包括压缩感知、图像去模糊、矩阵完整化、鲁棒主成分分析、非负矩阵分解、超光谱图像重建等，并在这些方面取得了较好的研究成果。近年开始研究经济管理、信息科学、生物学等领域的新兴应用问题。已发表SCI、CSSCI中文核心论文十余篇。目前主持国家自然科学基金一项，江苏省自然科学基金一项，江苏省社会科学基金一项，主持省级以下和参与项目若干。本人所在南京财经大学应用数学学院具有一级学科硕士点，硕导十余人，每年招生硕士生约二十余名。所在计算数学二级学科目前有硕导2人（含本人），每年招收硕士生3人（逐年增长中）。本院对于一志愿报考且考上的研究生有奖学金方面的倾斜，欢迎了解信息和报考。