题  目：块K分解的稀疏优化方法

内容简介：稀疏优化是数学优化中的一个核心问题，在机器学习和机器视觉中有着广泛的应用。然而，这个问题由于其内在的组合结构，一般难以求解。组合搜索方法可以寻找其全局最优解，但往往局限于小规模的优化问题；坐标梯度下降方法速度快，但往往陷入于一个较差的局部次优解中。我们提出一种结合组合搜索和坐标下降的块K分解算法。具体地说，我们考虑随机策略或/和贪婪策略，选择K个坐标子集作为工作集，然后基于原始目标函数对工作集进行全局组合搜索。我们对块K分解算法进行了最优性分析，我们证明了我们的方法比现有的方法找到更强的稳定点。此外，我们还对特殊的凸函数的稀疏优化问题进行了收敛性分析，并构建其收敛速度。最后，我们把我们的方法应用到压缩感知问题和稀疏特征值等问题上，大量的实验表明，我们的方法目前取得的性能臻于艺境。我们的块K分解算法的部分工作发表在国际人工智能顶级会议CVPR 2019上。

报告人：中山大学  袁淦钊  副研究员

报告人简介：鹏城实验室副研究员，广东省杰出青年基金入选者。博士毕业于华南理工大学计算机学院，曾在南洋理工大学、美国伊利诺伊大学、新加坡高等数字科学中心、华南理工大学(数学学院)、阿卜杜拉国王科技大学、中山大学等学术机构从事研究。研究领域主要包括数值优化算法及其在机器学习、量子计算、机器视觉中的应用，曾在CCF A类期刊/会议上发表论文10余篇，其中包括人工智能领域顶级期刊/会议ACM TODS、IEEE TPAMI、ICML、VLDB、SIGKDD、CVPR、ACMMM、AAAI。他(曾)主持广东省杰出青年基金、国家面上项目、珠江科技新星项目等多项基金。他是SIIMS、Mach. Learn.、IEEE TIFS、AAAI、CVPR、NIPS、SIGKDD、ICCV等二十多种优化算法和人工智能领域权威期刊/会议的审稿人。

时  间：2019年5月15日（周三）上午10：00始

地  点：南海楼338室

热烈欢迎广大师生参加!

信息科学技术学院

2019年5月10日