主 题：大数据处理中机器学习算法面临的几个数学挑战
演 讲者：李炯城 教授（广东省电信规划设计院首席科学家兼大数据工程院院长）
时 间：2018年12月11日下午3:30-5:00
地 点：T2-102
语 言：中文
举 办方：统计与计算智能研究所
演讲摘要：
在大数据处理领域，越来越依赖于机器学习算法。以卷积神经网络为代表的机器学习算法属于深度学习分枝，正在席卷大数据和人工智能的许多相关应用。他们是机器学习里面具有深层结构的神经网络算法。随着神经网络层数的加深，从算法层面会面临三个数学方面的挑战：1.非凸优化，即优化函数越来越容易陷入局部最优解；2.梯度消失，这导致基于梯度的数学算法无所适从，失去了奋斗目标；3.过拟合，拟合残差非常小，但把数据的噪声也学习进去了，结果预测能力很差。
随着隐层层数的增加，非凸的目标函数越来越复杂，局部最小点呈现大规模增加的趋势。目前的基于梯度的优化算法，将会以很高的机率陷入局部最优解，解决这个问题必须依赖于数学上的全局优化技术。至于梯度消失，主要处理技术是改进激活函数的使用。过拟合的处理，我们介绍如何通过正则化技术来有效降低它的负面影响。
个人简介：
李炯城 博士、教授级高工、数学客座教授
广东省大数据协会常务副会长
广东省工业与应用数学学会常务理事
广东省电信规划设计院有限公司首席科学家
广东省电信规划设计院有限公司大数据工程院院长
韶关市政府产业研究院大数据专家组组长
