科学研究

学术交流

首页 >  科学研究 >  学术交流 >  正文
Proximal Gradient Methods for Nonconvex Composite Optimization
作者:    时间:2018-06-26 浏览次数:

  

报告人:徐洪坤 院士

工作单位:杭州电子科技大学

报告时间:7月2日10:30

报告地点:数学院二楼南阶梯教室

报告摘要:

It is known that the proximal gradient algorithm can efficiently solve a composite convex minimization problem and, moreover, Nesterov's acceleration technique can speed up the rate of convergence to $O(1/k^2)$ (here $k$ is the number of iterations). In this talk, we will discuss the nonconvex case. Namely, we will apply Nesterov's acceleration method to a composite nonconvex optimization problem. We will report some recent convergence results on the accelerated proximal gradient algorithm by using the Kurdyka-Lojasiewicz property, a key tool for nonconvex optimization problems.

报告人简介:

徐洪坤于1982年获浙江师范大学学士学位、1985年浙江大学硕士学位、1988年西安交通大学博士学位,目前为杭州电子科技大学特聘教授。曾任华东理工大学讲师、副教授;西班牙塞维利亚大学访问教授;加拿大达尔豪斯大学博士后研究员;南非夸祖鲁纳塔尔大学副教授、教授、资深教授;台湾中山大学西湾讲席教授;天津市特聘讲座教授等。2004年荣获南非数学学会杰出研究奖和教育部自然科学二等奖(与徐宗本、蒋耀林共同获得)。曾任台湾中山大学应用数学系主任和理学院院长。2005年当选南非科学院院士,2012年当选发展中国家科学院(最初称第三世界科学院,现更名为世界科学院)院士,2014年入选浙江省“千人计划”,2014-2016年入选汤森路透全球《高被引学者》,2017年入选科睿唯安全球《高被引学者》。已发表论文230余篇。现(曾)担任20多种(10种SCI)数学杂志编委。50余次国际学术会议邀请和主旨报告。主要研究兴趣包括:非线性泛函分析、最优化理论和算法、巴拿赫空间几何理论,非线性映像迭代方法,反问题及其正则化方法,金融数学等。