报告题目：分布式优化与学习
报告人：游科友
报告时间：2019年1月11日 10:30
报告地点：启航活动活动中心4楼学术报告厅
报告人简介：
游科友，清华大学自动化系副教授、博士生导师。2007年获中山大学统计科学学士学位，2007年8月至2012年6月在新加坡南洋理工大学电气与电子工程学院攻读博士学位和从事博士后研究。自2012年7月起任教于清华大学自动化系。曾受邀访问意大利都灵理工大学、澳大利亚墨尔本大学、香港科技大学等院校。从事网络化系统系统、分布式优化、强化学习及其应用等方面的研究。在控制系统领域两大权威期刊《Automatica》《IEEE Trans. Automatic Control》发表论文20篇，其中长文10篇。2010年获中国控制会议关肇直奖，获 IBM 中国优秀教师奖教金， 2017年获国家自然科学基金优秀青年基金项目资助。
报告内容：
随着训练参数与样本规模的急激增长，深度学习在实际应用系统中已显示出了巨大的应用前景。分布式优化是指通过多求解器起来协作求解的一类优化问题，其在大规模数机器学习和传感器网络等有重要的研究意义和应用价值，并成为了大规模优化与学习中最具挑战性的问题之一。本报告首先讨论分布式优化在机器人学习中的几个典型应用例子；其次介绍关于分布式优化的两个当前研究热点问题；最后给出了一类分布式异步优化算法，并严格理论证明了算法的优越性，同时在大规模分类问题上进行了验证。
