報 告 人：廖振宇 副研究員

報告題目：大維隨機矩陣理論進展及其在深度學習中應用

報告時間：1月11日和12日（周四、周五），上午9點-11點30

報告地點：騰訊會議：913-816-8075 （無密碼）

主辦單位：數學與統計學院、數學研究院、科學技術研究院

報告人簡介：

      廖振宇，于法國巴黎薩克雷大學獲信號與圖像處理碩士和計算機博士學位，后在美國加州大學伯克利分校從事博士后研究工作，于2021年起至今在華中科技大學電信學院工作，任副研究員。長期從事“面向高維數據的大規模機器學習的基礎理論和關鍵技術”的研究，將高維統計學和隨機矩陣理論應用于復雜大規模機器學習系統設計，以解決非、自監督學習、神經網絡優化設計、壓縮和加速問題，成果發表在ICML、NeurIPS、ICLR、COLT、AISTATS、TSP、AAP、JSTAT、PRA等人工智能、機器學習、概率論的頂級會議與期刊，合著專著Random Matrix Methods for Machine Learning，長期受邀擔任多個人工智能、機器學習領域頂級會議和期刊的審稿人或程序委員會委員，受邀擔任歐盟自然科學基金ERC和加拿大自然科學基金NSERC外部評審。獲評湖北百人計劃，武漢英才，華中科技大學東湖青年學者和法國巴黎薩克雷大學ED STIC優秀博士論文。

報告摘要：

     在兩個半天的短課中，我們將：

     1. 簡介大維隨機矩陣理論，通過聚焦經典的樣本協方差矩陣模型，討論隨機矩陣理論其與傳統漸進統計學的聯系和區別，討論相關理論方法和證明技術，以及領域內的最新進展；

     2. 圍繞機器學習中的深度神經網絡這一類模型，具體討論高維統計和大維隨機矩陣理論在（深度）神經網絡理論和方法中的相關研究進展。將按照網絡從淺到深、數據結構從簡單到復雜、模型從隨機到非隨機的邏輯，回顧和梳理近年來隨機矩陣理論在深度神經網絡中得到的諸如“非線性網絡性能分析”、“雙下降”和“神經正切核”等一系列應用成果。最后，我們將展望未來用隨機矩陣理論解決深度學習中核心問題可能的機遇和技術挑戰。