报告题目：Avoiding strict saddle points of nonconvex regularized problems

主讲人：王浩

单位：上海科技大学

时间：11月30日16:00

地点：龙子湖校区九章学堂C座301

摘要：We introduce a strict saddle property for Lp regularized functions, and proposean iteratively reweighted L1 algorithm to solve the Lp regularized problems. The algorithm is guaranteed to converge only to local minimizers, when randomly initialized. The strict saddle property is shown generic on these sparse optimization problems. The analysis as well as the proposed algorithm can be easily extended to general nonconvex regularized problems.

简介：王浩博士，上海市青年东方学者。现任上海科技大学信息科学与技术学院副教授，于2015年5月在美国Lehigh大学工业工程系获得博士学位，并于2010年和2007年在北京航空航天大学数学与应用数学系分别获得理学硕士和学士学位。当前研究领域主要为非线性优化、非凸正则化问题等机器学习问题和算法。主要成果在SIAM Journal on Optimization，Journal of Machine Learning Research，IEEE Transactions on Computers等刊物上发表。