報告題目：Optimization Methods for Acceleration: Adaptation, Subsampling and Subproblem-Solving
報 告 人：江波 教授 上海财經大學
報告時間：2021年1月4日 上午 9:00-9:40
報告地點：騰訊會議 ID：320 247 940
會議密碼：9999
校内聯系人：李欣欣 xinxinli@jlu.edu.cn
報告摘要：In this talk we present a suite of accelerated algorithms for solving optimization models arising from applications such as machine learning. In general, popular optimization methods for solving such problems include the high-order tensor approximation approach, which requires the knowledge on some problem parameters. To make such methods practical, one will need to find ways of implementation without such knowledge. Furthermore, when the objective in such models involves a large number of terms, a subsampling strategy will be adopted. We discuss methods that exhibit an accelerated iteration bound while maintaining the traits of being adaptive and allowing subsampling.
報告人簡介：江波，上海财經大學信息管理與工程學院教授，于2013年9月在美國明尼蘇達大學工業與系統工程系獲得博士學位，導師張樹中教授。主要研究領域包括優化理論，組合投資優化，信号處理，圖像處理等。在運籌優化的國際一流雜志Operations Research, Mathematics of Operations Research, Mathematical Programming, SIAM Journal on Optimizatoin等發表過多篇論文。現為美國數學會旗下 mathmatical reviews 的評論員， 擔任過Management Science, Mathematics of Operations Research, SIAM Journal on Optimization等著名期刊的匿名審稿人。曾在美國對沖基金公司Whitebox Advisors（該基金旗下管理資産約45億美元）擔任暑期研究員，從事魯棒組合投資的研究工作。近期的主要研究課題為數據驅動的優化的理論及其在收益管理、運營管理中的應用。
