报告题目：结合主动学习与深度学习的复杂黑箱函数优化

报告所属学科：管理科学与工程

报告人：杨洋（南开大学）

报告时间：2024年12月5日 15:30-17:00

报告地点：bat365中文官方网站702室

报告摘要：

黑箱函数优化是统计研究中的一个经典问题，广泛应用于材料科学领域。 在这些应用中，黑箱函数所涉及的数据形式和函数本身的数学结构越来越复杂，传统的统计方法难以有效地应对这些新挑战。 本讲座将重点介绍复杂黑箱函数的特点，如多保真数据、高维数据和多任务优化等。旨在将经典统计学习方法与前沿深度学习技术相结合，探索高效解决复杂黑箱函数优化问题的新方法。 首先，我们将利用统计学习模型的可解释性和不确定性量化优势，以及深度学习模型的强大表示能力，构建新的模型和算法。 其次，建立上述模型和算法的统计推理和收敛理论。 最后，将通过真实世界的超材料设计来验证新方法的有效性。

报告人简介：

杨洋博士于2020年在清华大学获得理学博士学位，师从刘军老师和邓柯老师，2020年-2022年在腾讯担任算法研究员。2022年7月加入南开大学统计与数据科学学院担任特聘副研究员。她的主要研究领域为主动学习、贝叶斯统计以及智能材料设计。