重庆国家应用数学中心2021年暑期系列专题培训第三期课程简介-重庆国家应用数学中心

当前位置：首页 >> 人才培养 >> 专题培训 >> 正文

人工智能中应用数学方法高级讲习班课程简介

发布日期：2021-08-09；点击数：

重庆国家应用数学中心于7月20日—8月9日在重庆师范大学大学城校区汇贤楼108开展2021年暑期系列专题培训第三期——人工智能中应用数学方法高级讲习班。

本期讲习班分为七个专题，分别由七位专家主讲，课程内容简介如下：

通信技术背后的优化方法

本课程主要介绍无线通信中几类优化问题的研究包括计算复杂性理论相关概念、混合0-1非凸二次约束二次规划问题的理论算法及应用研究、无线通信领域中MIMO技术的半定松弛算法等。

求解组合优化问题常用机器学习方法介绍

本课程主要介绍求解组合优化问题相关的机器学习方法。受到AlphaGo和AlphaZero等的启发，将序列输入到序列输出的一系列学习方法，包含循环神经网络（RNN）、长短期记忆模型（LSTM）、编解码模型（Encoder-Decoder）、注意力机制模型（Attention）等用于求解组合优化问题，并且着重研究了图像识别中的组合优化问题的求解，最后探讨对于机器学习求解组合优化问题的算法复杂性理论问题。

深度学习中的非光滑非凸优化

本课程将讨论深度学习中的儿类非光滑非凸优化模型、算法和应用。在利用随机梯度算法求解非光滑非凸有限和优化模型时，如何正确计算广义梯度;在利用Capped折叠凹函数近似基数函数时，什么条件可保证近似问题的解是原问题的解以及两问题稳定点的关系;针对非凸的Lipschits和非Lipschits连续优化模型，介绍几类算法的最坏复杂性估计;介绍利用深度学习自动分析OCT图像的眼睛脉络膜层。

数据驱动的基因调控网络研究

随着计算机、信息、大数据技术的迅速发展，衍生出“从数据中挖掘信息和知识”的数据驱动的应用数学新研究范式。本课程将以基因调控系统为问题案例，从优化建模角度介绍讲授数据分析主要思想、方法框架和应用实例。重点阐述生物网络的建模和数据集成，从生物医学数据中提取出重要的模式和趋势，倾听数据发出的声音；并能将新的数据和已有知识有机结合，对未知进行准确预测。力图使听众广泛地了解一般性的数据的网络表示和建模的基本范式，并通过实际案例体会统计和最优化等学科在数据分析中的交融。

机器学习的基础方法

本课程将介绍机器学习的基本思想方法，特别将从最优化、概率论角度来介绍机器学习的基本方法论，并进而介绍机器学习的一些前沿进展，包括模型驱动深度学习、元学习等。也将尝试分享一些本团队在机器学习研究中的一些探索性体会。

云计算环境下的机器学习优化算法

近年来人工智能发展的重要推动因素之一是大数据。大数据机器学习研究面向大数据的机器学习技术，可以为人工智能提供核心的理论和技术支撑，已经成为大数据与人工智能研究中最热门的领域之一。本课程将介绍云计算环境下的机器学习优化算法，主要包括基于集群的分布式优化算法、抗恶意攻击的拜占庭分布式优化算法、联邦学习中的优化算法等。

元学习优化进展

传统的优化算法设计通常具有以下缺陷，例如基于局部最优原则，不具备全局优化能力；过分追求统一方法论，与问题不匹配；不关注已有优化经验，缺少对优化环境的感知等。现有的人工智能研究的思想对解决这些缺陷具有启发意义。本课程将介绍基于人工智能方法的优化，即元学习优化，在连续优化方向的一些研究进展，以及报告人团队在元学习演化优化方向的一些研究进展。