题    目：Eigenvector-dependent nonlinear eigenvalue problems and the SCF iteration in data science

主讲人：张雷洪 教授

单    位：苏州大学

时    间：2024年7月31日 15:00-17:00

腾讯ID：451 536 620

摘    要：In many applications of multivariate statistical analysis in data science, certain trace-related objective functions over the orthogonal constraints need to be minimized. In this talk, we shall first present some recent applications in data science and show that solving the optimization problems can be converted to eigenvector-dependent eigenvalue problems (NEPv) for which the self-consistent filed (SCF) iteration can be effectively applied. We then discuss the general form of the SCF iteration and some recent developments on its convergence.

简    介：张雷洪，2008年博士毕业于香港浸会大学，现为苏州大学数学科学学院教授。从事最优化理论与计算，数值线性代数，数值逼近，数据挖掘等领域的研究。曾赴美国北卡罗来纳州立大学、美国德克萨斯大学阿灵顿分校等进行访问。获中国数学会计算数学分会的第四届“应用数值代数奖”， 2018 年和 2019 年两届“世界华人数学家联盟最佳论文奖-若琳奖”，2019 年上海市自然科学三等奖(第一完成人)。 成果发表在包括SIAM系列杂志,及《Math. Progam.》、《Math. Comp.》、《Numer. Math.》、《IEEE Trans. Pattern Anal. Mach. Intell.》等。主持多项国家自科项目,参与国家重大研究计划。目前任SCI杂志《Operators and Matrices》，ESCI期刊《Numerical Algebra, Control and Optimization》，《计算数学》编委等。