AI大讲堂第三十五讲-可分离优化算法：内涵与延展

主讲人：

甘敏

青岛大学计算机科学与计算学院教授、博导，IEEE高级会员。主要研究方向为机器学习、系统辨识、计算机视觉等。在计算机和人工智能领域的顶级期刊和会议（IEEE TPAMI, IEEE TIP, IEEE TNNLS, AAAI等）发表高水平论文20余篇。

摘要：

机器学习中许多任务都可归结为一个优化问题，有些问题通常是结构化的，即一部分参数相对容易优化；可分离非线性最小二乘问题就是这类问题的一个典型。报告首先给出优化可分离非线性最小二乘问题的一种高效算法--变量投影算法，然后介绍一般化的可分离问题及其解法，最后针对随机优化问题给出随机逼近(学习)算法。

报告主题：

可分离优化算法：内涵与延展

报告时间：

2025年3月26日16：00

报告地点：

人工智能与计算机学院B320

报告摘要：

机器学习中许多任务都可归结为一个优化问题，有些问题通常是结构化的，即一部分参数相对容易优化；可分离非线性最小二乘问题就是这类问题的一个典型。报告首先给出优化可分离非线性最小二乘问题的一种高效算法--变量投影算法，然后介绍一般化的可分离问题及其解法，最后针对随机优化问题给出随机逼近(学习)算法。