数学与统计学院于3月28日在研究生楼3楼302室举办题为“Consensus-based Non-convex Optimization for High Dimensional Machine Learning Problems”的学术报告会。

会议邀请到了上海交通大学自然科学研究院院长金石院士进行演讲，付跃刚副校长、成丽波院长、学院青年教师、硕士研究生和本科生参加本次学术报告会。

金石院士现任上海交通大学自然科学研究院院长、数学学院讲席教授、上海国家应用数学中心联合主任、上海交通大学重庆人工智能研究院院长、美国数学会首批会士、美国工业与应用数学学会会士、欧洲人文与自然科学院外籍院士、欧洲科学院院士、2018年在国际数学家大会上作为邀请播报人。金石院士主要从事科学计算、动力学理论，多尺度计算、流体力学、机器学习与量子计算等领域的研究工作，成果卓越。

在报告中，金石院士介绍一类基于共识的非凸优化方法(CBO)，该方法无需求代价函数的一阶导数，因此非常适用于处理高维机器学习问题。CBO方法基于几何布朗运动作用提出，是一种独立于维数的模型。针对完全离散的粒子系统，金石院士对比了Euler-Maruyama,预测校正以及指数积分器三种方法的收敛性证明，提出了CBO方法的收敛性分析并在适当假设条件下给出误差估计。对于MNIST等测试问题集，数值模拟结果表明相比于机器学习中一些流行算法，CBO对高维数问题可以达到更强的竞争力和更高的成功率。

金石院士的报告吸引了大量教师和学生前来聆听。通过这次报告，学院广大师生更深入地了解了高维机器学习问题的非凸优化方法相关概念、技术方法和热点问题，对于未来的研究和应用都有了更清晰的认识。

                                                                                 （编辑：高艳超        审核：成丽波）