标题:稀疏优化:从自适应降维到 AI 辅助的加速算法发现
报告时间:2026年11月18日(星期三)09:00-10:00
报告地点:线上腾讯会议(会议ID:854-111-159)
主讲人:梁经纬
主办单位:数学与统计学院
报告内容简介:
稀疏正则化与稀疏优化在信号与图像处理领域具有重要地位,而高效算法的设计始终是该领域的研究热点。稀疏优化算法的效率提升通常有两条路径:一是在保持算法基本框架不变的前提下,通过降低计算复杂度提高求解效率;二是设计具有更优理论保证的新算法。本报告将介绍我们近期在上述两个方向取得的进展。首先,利用稀疏正则化问题的几何性质,我们设计了一种求解重叠组稀疏问题的自适应降维算法,在超大规模问题上实现了约一个数量级的加速。其次,在提升算法理论保证方面,我们借助 AI 对 Nesterov 加速梯度方法进行了改进,获得了更优的理论收敛保证,并通过 Lean 形式化验证与数值实验验证了相关结果。
主讲人简介:
梁经纬,上海交通大学自然科学研究院副教授。2013年获上海交通大学数学硕士学位,2016年获法国卡昂大学数学博士学位。2017年至2020年,他在英国剑桥大学应用数学与理论物理系从事博士后研究;2020年底加入伦敦玛丽女王大学数学科学学院,任数据科学讲师;2021年7月加入上海交通大学。其主要研究方向包括数学图像处理、非光滑优化、数据科学和数学智能。