Sub Main

  • 学生
  • 教职工
  • 访客
  • 校友
  • 家长
English
首页

  • 关于我们

    关于我们

    香港中文大学(深圳)是一所经国家教育部批准,按《中外合作办学条例》设立的大学,特色是国际化的氛围、中英并重的教学环境、书院制传统、通识教育、新型交叉学科设置和以学生为本的育人理念。

    查看更多
    • 理事会
    • 大学主管人员
    • 校园刊物
    • 校园图库
    • 视频影像
  • 新闻资讯

    新闻资讯

    最新鲜的校园资讯、最全面的新闻热点,欢迎走近香港中文大学(深圳),见证日新夜异的发展与变化、探索丰富多彩的青春校园故事。

    查看更多
    • 新闻速递
    • 光影校园
    • 校园故事
    • 活动预告
    • 媒体聚焦
  • 教学

    教学

    大学目前已有经管学院、理工学院、人文社科学院、数据科学学院、医学院、音乐学院、公共政策学院和人工智能学院八个学院,致力于实现国际一流的学术标准。

    查看更多
    • 经管学院
    • 理工学院
    • 人文社科学院
    • 数据科学学院
    • 医学院
    • 音乐学院
    • 公共政策学院
    • 人工智能学院
    • 研究生院
    • 通识教育
    • 体育部
    • 学术交流处
    • 图书馆
    • 学能提升研究中心
    • 教务处
    • 校历
  • 书院

    书院

    香港中文大学(深圳)采用书院制。书院的责任,在于打破学院和专业的界限,将不同学科和文化背景的学生聚集在一起,促进师生密切交流,朋辈一同成长。

    查看更多
    • 逸夫书院
    • 学勤书院
    • 思廷书院
    • 祥波书院
    • 道扬书院
    • 厚含书院
    • 第七书院
  • 科研

    科研

    面向国家及粤港澳大湾区战略性产业发展需要,大学已经组建世界级专家队伍,在机器人与智能制造、大数据、新能源、生命科学、金融和物流等领域开展国际前沿的学术研究、打造国际化科技创新平台。

    查看更多
    • 科研新闻
    • 科研领域
    • 科研学者
    • 科研创新服务平台
    • 博士后科研流动站
  • 招生

    招生

    大学面向全球招收本科生、硕士研究生和博士研究生,为学生提供与国际接轨的专业课程,致力于培养学生成为具有全球视野的跨学科人才。

    查看更多
    • 本科生招生
    • 国际本科招生
    • 研究生招生
  • 就业

    就业

    大学致力于为本校学生提供优质的升学服务及就业指导,向国内外优秀企业输送本校综合素质一流的人才,为世界顶尖学府输送本校学术成绩斐然的精英学子。

    查看更多
    • 新闻
    • 活动
    • 就业指导
    • 升学指导
    • 就业质量报告
  • 校园生活

    校园生活

    精彩纷呈的校园故事、流光溢彩的艺术活动、充满活力的书院生活,等着你来感受。

    查看更多
    • 大学艺术中心
    • 设施与服务
    • 生活在深圳
  • |
  • 搜索

Sub Main

  • 学生
  • 教职工
  • 访客
  • 校友
  • 家长
English
  • 关于我们

    关于我们

    香港中文大学(深圳)是一所经国家教育部批准,按《中外合作办学条例》设立的大学,特色是国际化的氛围、中英并重的教学环境、书院制传统、通识教育、新型交叉学科设置和以学生为本的育人理念。

    查看更多
    • 理事会
    • 大学主管人员
    • 校园刊物
    • 校园图库
    • 视频影像
  • 新闻资讯

    新闻资讯

    最新鲜的校园资讯、最全面的新闻热点,欢迎走近香港中文大学(深圳),见证日新夜异的发展与变化、探索丰富多彩的青春校园故事。

    查看更多
    • 新闻速递
    • 光影校园
    • 校园故事
    • 活动预告
    • 媒体聚焦
  • 教学

    教学

    大学目前已有经管学院、理工学院、人文社科学院、数据科学学院、医学院、音乐学院、公共政策学院和人工智能学院八个学院,致力于实现国际一流的学术标准。

    查看更多
    • 经管学院
    • 理工学院
    • 人文社科学院
    • 数据科学学院
    • 医学院
    • 音乐学院
    • 公共政策学院
    • 人工智能学院
    • 研究生院
    • 通识教育
    • 体育部
    • 学术交流处
    • 图书馆
    • 学能提升研究中心
    • 教务处
    • 校历
  • 书院

    书院

    香港中文大学(深圳)采用书院制。书院的责任,在于打破学院和专业的界限,将不同学科和文化背景的学生聚集在一起,促进师生密切交流,朋辈一同成长。

    查看更多
    • 逸夫书院
    • 学勤书院
    • 思廷书院
    • 祥波书院
    • 道扬书院
    • 厚含书院
    • 第七书院
  • 科研

    科研

    面向国家及粤港澳大湾区战略性产业发展需要,大学已经组建世界级专家队伍,在机器人与智能制造、大数据、新能源、生命科学、金融和物流等领域开展国际前沿的学术研究、打造国际化科技创新平台。

    查看更多
    • 科研新闻
    • 科研领域
    • 科研学者
    • 科研创新服务平台
    • 博士后科研流动站
  • 招生

    招生

    大学面向全球招收本科生、硕士研究生和博士研究生,为学生提供与国际接轨的专业课程,致力于培养学生成为具有全球视野的跨学科人才。

    查看更多
    • 本科生招生
    • 国际本科招生
    • 研究生招生
  • 就业

    就业

    大学致力于为本校学生提供优质的升学服务及就业指导,向国内外优秀企业输送本校综合素质一流的人才,为世界顶尖学府输送本校学术成绩斐然的精英学子。

    查看更多
    • 新闻
    • 活动
    • 就业指导
    • 升学指导
    • 就业质量报告
  • 校园生活

    校园生活

    精彩纷呈的校园故事、流光溢彩的艺术活动、充满活力的书院生活,等着你来感受。

    查看更多
    • 大学艺术中心
    • 设施与服务
    • 生活在深圳
  • |
  • 搜索

面包屑

  • 首页
  • 活动预告
  • 【暑期短课】Stochastic Approximation and Applications - Prof. Gang George Yin

【暑期短课】Stochastic Approximation and Applications - Prof. Gang George Yin

2019-06-17 活动预告

主题: Stochastic Approximation and Applications

报告人: Prof. Gang George Yin, Wayne State University

时间:  9:30 am - 11:30 am,  14:00 pm - 16:00 pm,  June 17, 2019

           9:30 am - 11:30 am,  June 18, 2019

地点:  Room 208, Cheng Dao Building

 

摘要:

Stochastic approximation (SA) methods play a fundamental role in numerous applications such as reinforcement learning, neural networks, signal processing, optimization, and communications. In this tutorial, an introduction to SA approaches, techniques, and applications is given.

The course will cover the topics: Overview, Convergence, Weak Convergence, Rates of Convergence, Efficiency, Time-varying Parameters and Tracking.

 

简介:

George Yin received the B.S. degree in mathematics from the University of Delaware in 1983, the M.S. degree in Applied Mathematics in 1984, the M.S. degree in Electrical Engineering in 1987, and the Ph.D. degree in Applied Mathematics in 1987, from Brown University. He then joined the Department of Mathematics, Wayne State University, and became a full professor in 1996.

His research interests include stochastic systems theory, applied probability, stochastic processes, stochastic recursive algorithms, signal processing, and control and optimization. He has authored or coauthored over 190 refereed journal papers and 9 research books.

In 2002, George Yin was elected as Fellow of IEEE in 2002 for contributions to approximation, optimization, and control of stochastic systems. He is also Fellow of IFAC and a Fellow of SIAM.

 

详细摘要:

Part 1 - Overview: In this part, we discuss what stochastic approximation is and which kind of problems can be solved by using stochastic approximation methods. The Robbins-Monro and Kiefer-Wolfowitz algorithms will be introduced. An overview of the analysis of such algorithms is provided together with efficiency etc. Several application examples will be mentioned.

Part 2 - Convergence: In this part, we highlight the main idea of convergence of the recursively defined procedures by using the associated ordinary differential equations. The methods are now standard and termed ODE methods. We illustrate how the discrete iterates can be embedded in a continuous-time sequence. Then, we demonstrate how the asymptotic analysis can be carried out. The key is a combined use of analytic approach using systems and probabilistic argument.

Part 3 - Weak Convergence: Weak convergence is a substantial generalization of convergence in distribution. In this part, we give an introduction to weak convergence methods. Then we describe how weak convergence methods can be used in the analysis of stochastic approximation algorithms.

Part 4 - Rates of Convergence: An important part of analyzing a recursive algorithm is the study of the rate of convergence. Traditional rate of convergence study for stochastic approximation is carried out by showing a suitably scaled sequence of centered and scaled estimation errors to be asymptotically normally distributed. In lieu of looking at the discrete iteration directly, we show suitably scaled sequence converges weakly to a diffusion process. The scaling factor together with the asymptotic covariance gives us the convergence rate.

Part 5 - Efficiency Issues: We start by motivating the efficiency issue using an optimization approach. Then, we discuss the related so-called adaptive stochastic approximation problems. To further improve efficiency, we discuss several recent advances using averaging ideas.

Part 6 - Time-varying Parameters: This part is devoted to treating time-varying parameter problems. We present a couple of problems arising from discrete optimization and time-varying parameter tracking. We also discuss the associated networked systems that of current interest. One problem is tied up with the usual stochastic approximation with an additional randomly varying Markov chain. We will discuss how such problems can be handled and analyzed.

关注我们
联系我们
  • 校园地图 联系方式 基金会 工作机会
探索更多
  • 信息公开 内网 招投标 论证公示
传媒聚焦
  • 新闻中心 媒体聚焦
香港中文大学
  • www.cuhk.edu.hk

私隐政策 免责声明 版权所有 ©  香港中文大学(深圳) 粤ICP备14099122号 | 粤公网安备 44030702004458号