报告时间：5月20号（周二）晚上7：00-8：00
报告方式：腾讯会议：603-2553-3384
报告题目：异构对抗环境下的分布式优化和学习
主讲嘉宾：徐金明
主办单位：系统科学研究院
内容简介：
近十年来，分布式优化算法凭借其出色的可拓展性和鲁棒性，在具有去中心化特性的大规模信息物理网络系统（如传感器网络、多机器人系统等）中得到了广泛的应用。这些算法仅需通过本地计算和点对点的信息交互，便可在不依赖任何中心的情况下找到网络全局目标的最优解。然而，诸多现实场景中信息物理网络系统面临节点间数据异构、算力异构甚至外部对抗干扰等挑战，对分布式优化和学习算法的性能产生了重大影响。本报告针对上述挑战，重点介绍分布式优化和学习算法在统一理论框架、模型个性化和自适应鲁棒优化等方面的最新研究进展，旨在提升分布式算法在高效性、鲁棒性和安全性三个层面的综合性能。
专家简介：
徐金明，浙江大学研究员、博士生导师，入选国家青年人才计划。2016年获新加坡南洋理工大学电子信息工程系博士学位。2017-2019年先后赴美国亚利桑那州立大学和普渡大学从事博士后研究工作；2019年9月加入浙江大学控制科学与工程学院。长期致力于分布式优化和学习基础理论和方法，及其在大规模信号处理、机器学习和多自主无人系统等方面应用的研究。主持/承担国家重点研发计划课题、国家自然科学基金面上项目等。在IEEE TAC、IEEE TSP、Automatica、JMLR和NIPS、ICML、IJCAI、AISTATS等国际权威期刊和会议上发表一系列论文。国际上率先提出了梯度跟踪算法理论框架，成功解决了长期以来分布式优化算法无法在时变异步网络下达到线性收敛的难题，且已被相关领域国内外学者广泛采用。目前，担任IEEE TSPIN等国内外知名期刊编委。
