报告题目：Adaptive Sampling Strategies for Stochastic Composite Optimization

报告人：陈彩华教授

报告摘要：We consider unconstrained stochastic composite problems where the objective function consists of the both smooth and non-smooth terms. When only an estimation of the gradient of the smooth term can be obtained, we propose an adaptively sampled proximal gradient algorithm. The adaptive sampling strategy reduces variance by increasing the sample size and balances the computational resource consumption and the convergence rate. For general objective functions, the almost surely convergence of the limit points of the sequence generated by our algorithm to stationary points can be proved. For convex and strongly convex objective functions, we show the same convergence rate as the deterministic proximal gradient method. The numerical experiments show that our algorithm can effectively reduce the computational resource consumption while maintain the convergence rate.

报告人简介：陈彩华，南京大学理学博士，新加坡国立大学联合培养博士，曾赴新加坡国立大学、香港中文大学等学习与访问;现任南京大学工程管3200威尼斯vip副院长。主持/完成的基金包括国家自然科学基金青年项目、面上项目和优秀青年项目等，参与国家自然科学基金重点项目，代表作发表在《Mathematical Programming》，《SIAM Journal on Optimization》及CVPR、NIPS等国际知名学术期刊与会议, 多篇论文入选ESI高被引论文。获华人数学家联盟最佳论文奖（2017、2018连续两年），中国运筹学会青年科技奖（2018），南京大学青年五四奖章(2019)，入选首批南京大学仲英青年学者（全校10人，2018）及江苏省社科优青（2019）。 

报告时间：2023年4月21日，周五，上午10：30--11：30

报告地点：六教南528

学院联系人：胡胜龙