来源： 发布时间：2023-10-17 19:31:53 阅读量：12254
围绕大数据时代的国家战略需求和当前数学与统计学科发展趋势，为了加强相关领域研究者之间的联系与合作，更好地促进数学优化、统计与学习等领域的融通共进，蒙特卡罗474官方网站数学规划分会和北京交通大学、北京工业大学、首都师范大学、中国人民大学、中国科学院数学与系统科学研究院等拟定于2023年12月29-31日期间召开第八届统计优化与学习国际研讨会。在此之前，于2023年12月25-29日期间在北京交通大学数学与统计学院开设统计优化与学习理论和应用实践的基础短期课程，特邀请中国科学院张新雨研究员、北京交通大学周声龙教授、美国明尼苏达大学吕召松教授讲授和中国科学院张羊晶助理教授，具体安排如下：
【课程安排】
内容简介：在大数据时代，模型不确定性广泛存在。模型不确定性可来自理论不确定、异质性不确定、函数形式不确定等。在统计分析中忽视模型不确定性会导致误判，造成决策失误。例如，把不显著变量误判为显著的变量。在预测中忽视模型不确定性会导致信息遗失和不稳健预测，造成预测失效。模型选择和模型平均通过对来自各个模型的估计或者预测进行选择或者加权，是处理模型不确定性的主要方法。本次课程将主要介绍几个模型平均的前沿理论和方法。
授课教师简介：张新雨，中科院数学与系统科学研究院研究员。2010年在中科院系统所获博士学位。主要从事统计学和计量经济学的理论和应用研究工作，具体研究方向包括模型平均和模型选择、组合预测、机器学习等，在统计学和计量经济学的顶级期刊发表多篇论文。担任Journal of Systems Science and Complexity 期刊的领域主编。
内容简介：课程将介绍：(1) 几类稀疏优化模型，(2)稀疏集、零范数、p-范数临近点性质，(3) 一阶、二阶最优性条件，(4) 混合子空间牛顿算法设计，(5) 算法收敛性，如聚点收敛、序列收敛、局部二次收敛，以及这些收敛假设条件，如限制强光滑、限制强凸、孤立性、KL性质等。
授课教师简介：周声龙，北京交通大学数学与统计学院教授。分别于2011年和2014年获得该校本科和硕士学位，2018年获得英国南安普顿大学博士学位。2017-2020年，他是南安普顿大学数学学院副研究员，2020-2021年，是南安普顿大学数学学院讲师。2021-2023年，在伦敦帝国理工工程学院担任副研究员。研究方向是最优化理论与方法，包括稀疏低秩优化、阶跃优化、双层优化，以及机器学习、通信、信号处理等领域相关优化问题。其研究成果发表在国际最优化、计算科学、信息科学等领域权威期刊，如SIAM Journal on Optimization、Mathematical Programming Computation、SIAM Journal on Scientific Computing、Applied and Computational Harmonic Analysis、Journal of Machine Learning Research、IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE Transactions on Signal Processing。入选2022年国家级人才计划。
内容简介：机器学习已广泛应用于计算机视觉、搜索引擎、语音识别、机器人、推荐系统、生物信息学、社交网络、金融等领域。它已经成为预测和数据分析的重要工具。这门短期课程概述了机器学习的重要优化模型，并介绍了解决这些模型和更一般问题的各种优化方法。
授课教师简介：吕召松是明尼苏达大学工业与系统工程系教授。2005年获得了佐治亚理工学院运筹学博士学位。2005-2006年，他是卡内基梅隆大学数学科学客座助理教授。2012-2013年，担任德州农工大学和亚利桑那州立大学的客座副教授，以及微软研究院总部的访问研究员。2006-2019年，在加拿大西蒙弗雷泽大学担任助理教授、副教授和教授。研究兴趣包括持续优化的理论和算法，以及在数据分析、机器学习和不确定性下的决策中的应用，并且在SIAM Journal on Optimization、SIAM Journal on Numerical Analysis、SIAM Journal on Scientific Computing、SIAM Journal on Matrix Analysis and Application、Mathematical Programming、Mathematics of Operations Research等顶级期刊上发表了大量的论文。目前，担任SIAM Journal on Optimization、Computational Optimization and Applications和Big Data and Information Analytics的副主编。
内容简介：无向图模型在学习大量变量之间的条件独立结构方面特别受欢迎，其中观测值是独立且相同地从同一分布中抽取的。(1) 许多现代统计问题涉及分类数据或时变数据，它们可能遵循不同但相关的潜在分布。为了同时学习一组相关的图模型，提出了各种带有图稀疏性和图相似性的联合图模型，并且讨论了求解联合图形模型的有效算法。(2) 进一步要求所有的相关性是非负的。负边权重意味着两个相连的随机变量之间存在负偏相关，这在某些应用中可能难以解释。在这样的应用环境下，我们考虑了具有非凸惩罚的拉普拉斯约束下的图的学习问题，并且设计了一个不精确的近端凸差求解算法。
授课教师简介：张羊晶，中国科学院数学与系统科学研究院应用数学研究所助理教授。此前，她曾担任新加坡国立大学研究员。2014年获得清华大学数学学士学位，2019年获得新加坡国立大学博士学位。研究兴趣包括大规模稀疏优化问题，统计模型和图模型的高效算法设计。其成果发表在Mathematical Programming、SIAM Journal on Optimization等顶级国际期刊。
【开课说明】
举办地点：北京市海淀区北京交通大学
举办方式：线上和线下结合
授课时间：2023 年12月25 日-12月29 日
【报名及审核通知】
【课程联系人】
邢相茹，18437975116，21118025@bjtu.edu.cn
胡明伟，15801537896，21121623@bjtu.edu.cn
相关文件下载：
会员登录
申请入会
