报告题目：科学计算与机器学习

报告人：许进超 （阿卜杜拉国王科技大学）

报告时间：6月13日  16:00

报告地点：五教5306

摘要：

此演讲将报告有关求解偏微分方程的有限元和用于图像分类的深度学习方法的比较研究: 包括神经网络函数的逼近性质、有限神经元方法的误差估计、训练算法的收敛分析、有限元与深度神经网络函数、多重网格方法与卷积神经网络、子空间校正方法与联邦学习等的比较研究。

个人简介：

许进超是阿卜杜拉国王科技大学(KAUST)教授、 KAUST深圳创新中心主任、 美国宾州州 立大学数学系Verne M. Willaman讲席教授。许教授于1995年获得首届冯康科学计算奖，千2005年获得德国 “洪堡“ 资深科学家奖， 2006年获得中国杰出脊年基金(B类），千2007 年应邀在第6届国际工业与应用数字字会大会上作特邀报告，2010年应邀在世界数学家大会 上作45分钟报告，并千2011年当选美国工业与应用数学学会会士，2012年当选美国数学学 会会士，2019年当选美国科学促进学会会士，2022年当选欧洲科学院院士， 2023年当选欧洲人文和自然科学院院士。

许教授主要研究方向为数值方法的设计、分析和应用，特别足求解偏微分方程以及大数据  中的快速算法及其应用。他在区域分解法，多至网格方法和自适应有限元方法等领域取得  的科研成果包括子空间校正算法、 BPX－预条件子、 HX－预条件子以及XZ－恒等式等以他名字(Xu)命名的工作。其中BPX－预条件子已经成为大规模科学计算中轰基本的算法之一。用于求解Maxwell方程组的HX－算法 ， 曾被美国能源部评为近年来计算科学领域中的十大突破之一。许教授迄今发表学术论文200余篇，其论文Google引用次数超过19000次。录近，许教授主要研究机器学习的模型和理论， 研究多亘网格与卷积神经网络(CNN)之间的联系 ，开发了MgNet,对CNN的数学理解和实际改进捉供新的角度，他还为神经网络函数近似性质的几个开放问题提出了新的理论基础并提供了解决方案。许教授曾任多个霓要计算数 学和应 用数 学期刊的编辑委员会成员，如《Mathematics of Computations》， 《Numerische Mathematik 》和《Mathematical Models and Methods in Applied Sciences》。他是许多会议论文栠和研究专著的合作编辑。他组织／或担任了100多个会 议、 研讨会和夏季课程的科学委员会成员。