皇冠体育  学术报告2014

大数据分析技术谱系与研究举例
发布时间:2017-12-18   浏览次数:

报告题目:大数据分析技术谱系与研究举例

报告人:徐宗本 院士 西安交通大学

时间: 2017121810:30

地点: 综合楼C301

主讲人:徐宗本  中国科学院院士,数学家、信号与信息处理专家、西安交通大学教授。 主要从事应用数学、智能信息处理、机器学习、数据建模基础理论研究。曾提出稀疏信息处理的L(1/2)正则化理论,为稀疏微波成像提供了重要基础;发现并证明机器学习的“徐-罗奇”定理, 解决了神经网络与模拟演化计算中的一些困难问题,为非欧氏框架下机器学习与非线性分析提供了普遍的数量推演准则; 提出基于视觉认知的数据建模新原理与新方法,形成了聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法, 并广泛应用于科学与工程领域。曾获国家自然科学二等奖、国家科技进步二等奖、中国CSIAM苏步青应用数学奖, 并在世界数学家大会(2010, 印度)上作45分钟特邀报告。 曾任西安交通大学副校长。现任中国科学院信息技术科学部副主任、西安交通大学西安(国际)数学与数学技术研究院院长、大数据算法与分析技术国家工程实验室主任。是国家大数据发展专家委员会成员、中国新一代人工智能咨询专家组成员。

报告内容:大数据分析与处理依赖特定的计算模式与全新的计算方法(称为大数据算法),设计创新的大数据计算模式与大数据算法是大数据的最核心技术,也是一个全新的领域。本报告引进大数据算法的谱系,并引进最优化理论与方法中的ADMM(Alternating Direction Method of Multipliers)作为大数据计算模式与算法设计的基本框架。我们说明:ADMM非常适宜于实现“数据分解、变量分组、随机化”等大数据算法设计原理,并通过应用于大数据回归、超大规模线性方程组等问题展示ADMM方法的有效性。我们也说明:ADMM能够解释作深度学习网络,从而ADMM理论与深度学习方法结合,能形成一类全新的“模型与数据”双驱动的大数据学习技术。该类技术能很好解决深度学习拓扑结构确定难的问题,也能很好解决ADMM难以用于模型族的问题。我们运用新技术学习MRI压缩感知成像取得了目前已知最好的效果,验证了新技术的可用性与高效性。