学术交流
学术交流
首页  >  学术科研  >  学术交流  >  正文

    Nonsmooth Nonconvex Optimization for Training Deep Neural Networks

    2022-06-22 bevictor伟德官网 点击:[]

    伟德bevictor中文版创源大讲堂研究生学术讲座

    讲座时间: 2022年6月24日 13:45-14:45

    讲座地点:腾讯会议号:885 416 848;密码:0624

    主讲人简介:

    陈小君教授是香港理工大学应用数学系讲座教授,2021当选美国工业与应用数学学会会士、美国史丹福大学2021世界排名前2%的高被引科学家,至今已在国际顶尖学术期刊上发表论文80余篇。陈教授是二十个分别获澳大利亚研究理事会、日本学术振兴会及香港研究资助局拨款资助的科研项目的负责人。20137月至20196月出任理大应用数学系系主任、现任香港理工大学大资料分析中心实验室主任、中科院数学与系统科学研究院-香港理工大学应用数学联合实验室主任,陈教授一直致力推动数学科研,曾多次在国际学术会议上做邀请报告,如曾于2012年在国际数学规划会议上作特邀报告。陈教授同时身兼Journal of Optimization Theory and Applications区域编辑、并担任包括SIAM Journal on Numerical AnalysisSIAM Journal on Optimization等六份国际著名刊物的编委。

    讲座内容简介:

    Title: Nonsmooth Nonconvex Optimization for Training Deep Neural Networks

    This presentation includes 4 parts.

    1. Reformulations of nonsmooth nonconvex optimization for training leaky ReLU neural network

    2. Penalty methods and a smoothing proximal gradient algorithm

    3. Computation of subgradients in stochastic gradient algorithms for nonsmooth nonconvex finite-sum optimization

    4. Automatic choroid layer segmentation from OCT images using deep Learning


    上一条:The Evolution of Transform-Based Tensor Nuclear Norm
    下一条:双曲系统C1线性化的最新进展

    关闭