报  告  人：游科友

报告题目：基于分布式梯度跟踪的优化与学习

报告时间：11月8日周日14:00-16:00，D533

报告地点：D533学术报告厅

摘要：自动控制和机器学习中的许多研究热点问题均可表示为数学优化。随着数据集的规模变大以及分散程度变高，分布式算法可以更可靠、更高效地求解优化与学习问题。本报告将利用分布式梯度跟踪技术（DGT）求解大规模优化与学习问题，设计了适用于分散数据集与传输延迟有界的有向通信网络的异步梯度跟踪算法，并在目标函数为强凸和Lipschitz光滑的情况下证明了算法的线性收敛速率。此外，针对分布式资源分配问题以及分布式学习问题，基于DGT分别提出了相应的分布式算法，并显式地刻画了收敛速率。最后，数值实验验证了所提算法的优越性。 

个人简介: 游科友，清华大学自动化系长聘副教授、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。长期从事复杂网络化系统的学习、优化与控制及其应用的研究。目前，担任 IEEE Transactions on Cybernetics、IEEE Transactions on Control of Network Systems、Systems & Control Letters、IEEE Control System Letters 等国际期刊副编委(Associate Editor)。先后主持国家自然科学基金委优青项目、重点项目、重点研发计划课题等，获关肇直最佳论文奖、亚洲控制学会淡马锡青年教育学者奖。