当前位置: 首页 >> 正文

学术报告:Algorithmic Design for Big Data Related Optimization

2020年12月18日 09:57  点击:[]

南京大学陈彩华副教授学术报告

一、报告题目:Algorithmic Design for Big Data Related Optimization

二、报告人:陈彩华副教授—南京大学

三、报告时间:2020年12月22日星期二上午9:00

四、报告地点:数学与统计学院会议室80602

五、报告摘要:

We live in the age of big data. The 5 characteristics of big data - volume, value, variety, velocity and veracity - have a significant impact on optimization. In this talk, we discuss some thinking of algorithmic design for big data related optimization problems. Specifically, we consider splitting methods for large scale structure optimization, to analyze the data with high volume and low value density. We also design efficient algorithms for distribution robust optimization, to cope with brittle veracity in data analysis. Finally, we propose LP-based approach for Markov Decision Process, which lays a deep ground in sequential decision making with dynamic data generated at a high velocity.

六、报告人简介:

陈彩华,副教授,南京大学理学博士,新加坡国立大学联合培养博士,曾赴新加坡国立大学、香港中文大学等学习与访问。主持国家自然科学基金2项(面上1项、青年1项),江苏省自然科学基金面上项目、青年项目,参与国家自然科学基金重点项目。研究方向为最优化理论、算法与应用,在《Mathematical Programming》,《SIAM Journal on Optimization》,《SIAM Journal on Imaging Science》等国际知名学术期刊发表论文10余篇,其中多篇论文入选ESI高被引论文。获华人数学家联盟最佳论文奖(2017、2018连续两年),中国运筹学会青年科技奖(2018),江苏省工业与应用数学学会青年奖(2020),南京大学青年五四奖章(2019),入选首批南京大学仲英青年学者(全校10人,2018)及江苏省社科优青(2019)。

 

欢迎感兴趣的老师和同学参加!

 

上一条:南京师范大学孙海琳教授学术报告 下一条:学术报告:Discrete Approximation method for Distributionally Robust Optimization

关闭