基于非平稳数据流的分布式在线学习与优化
报告专家：李韬 二级研究员（中国科学院数学与系统科学研究院）
报告时间：7月29日（星期三）上午10:00-11:00
报告地点：数学学院西303
报告摘要：
研究了几类基于非平稳数据流的分布式学习与优化算法的收敛性。针对分布式线性回归建立了保证算法均方强一致(consistent)收敛的“随机时空激励条件”；对带有L2正则项的情形，建立了保证算法强一致的“样本轨道随机时空激励条件”；对随机梯度下降算法，在不要求次梯度函数有界的情况下建立了算法的收敛性条件；对一类图上随机反问题，建立了保证算法均方且几乎必然强一致的“无穷维随机时空持续激励条件”。
专家简介：
李韬，中国科学院数学与系统科学研究院二级研究员。2004年本科毕业于南开大学自动化系，2009年获中国科学院数学与系统科学研究院博士学位。曾任华东师范大学二级教授、智能数学系主任等。主要研究方向为随机系统与控制、分布式学习、控制与博弈。曾主持国家自然科学基金优秀青年科学基金(2016-2018)、中俄NSFC-RSF联合基金(2023-2025)等。曾获第7届亚洲控制大会最佳论文(2009)、第28届张嗣瀛优秀青年论文(2016)、新加坡千禧基金研究奖(2009)、澳大利亚教育部奋进研究奖(2010)、中国科学院院长特别奖(2009)等。担任IEEE Trans. Automatic Control、Systems and Control Letters、Nonlinear Analysis：Hybrid Systems、SCIENCE CHINA Information Sciences 等期刊的责任编委。
邀请人：吕琦
