报告主题：分布式机器学习算法理论及其应用

报 告 人：廖晓峰

报告时间：2022年12月7日 10:00-11:30

报告网址：腾讯会议：458-365-211  会议密码：221207

报告摘要： 

  大数据迅速发展成为当今科技界和企业界关注的热点，大量新数据源的出现则导致了非结构化、半结构化数据爆发式的增长，大数据机器学习在不同应用中展现出巨大的发展潜力，已在云计算、机器学习、智能电网、AI视觉、生物特征识别等诸多领域发挥着重要作用。随着大数据时代对数据的需求不断增加，高效获取知识逐渐成为机器学习发展的主要动力。机器学习算法在大数据智能分析和处理的应用中发挥了极其重要的作用。针对现有分布式机器学习算法在处理大数据机器学习问题上的不足，我们专注于提高分布式机器学习背景下算法的性能，包括收敛速度、通信效率、计算效率等。然后，在理论研究与实际应用相结合的基础上，对资源约束网络的高效分布式机器学习算法进行了理论研究。此外分布式稀疏信号恢复具备鲁棒性强、计算复杂度低、通信能耗低等优势，极大地降低资源消耗，我们探索了基于观测矩阵行分解、列分解和块分解的稀疏信号重构问题模型的分布式架构，并基于投影算子、图论和原对偶框架提出了多种分布式机器学习算法以分布式方式重构稀疏信号，通过稀疏信号和图像重构验证了所提分布式机器学习算法的有效性和优越性。

报告人简介：

  廖晓峰，教授，博士生导师，IEEE Fellow，AAIA Fellow，教育部“长江学者”特聘教授，新世纪百千万国家级人才，全国优秀博士后，享受国务院政府特殊津贴的专家，重庆市" 322 "人才工程一层次人才，重庆市学术技术带头人，现任重庆大学信息学部副主任，计算机学院院长,教育部“信息物理社会可信服务计算”重点实验室主任。

  长期从事人工神经网络的动力学系统理论、混沌密码学、云安全与大数据隐私保护等研究。近三十年来发表刊物论文400余篇，其中在国际重要刊物，SCI他引2万余次，目前H指数为78（Google Scholar）。连续8年入选Elsevier中国计算机学科高被引学者榜单。

  获教育部和重庆市自然科学奖励8项、授权专利6项，出版专著五部。近几年来完成国家及省部级科研项目近30项。担任了10余个国际会议的主席和程序委员会会员，他是《IEEE Transactions on Cybernetics 》《IEEE Transactions on Neural Networks and Learning Systems》《电子学报》等国际刊物的副编辑和30余个国际一流刊物的特邀审稿人。