报告人：黄文 博士（美国莱斯大学）
主持人：潘建瑜 教授
时间： 2018年4月23日(周一)上午9：00 -- 10：00
地点：闵行校区数学楼126会议室

报告人介绍：
黄文博士于2014年在佛罗里达州立大学拿到应用与计算数学博士学位，毕业后再同校计算科学系担任3个月博士后研究员。之后前往比利时，在新鲁汶大学数学工程系下担任1年9个月博士后研究员。与2016年7月至今在美国莱斯大学担任法伊弗讲师博士后。他的主要研究方向是流形上的优化已经相关应用，包括矩阵补全问题，盲解卷积问题，相位复原问题，形状分析，角色成分分析等。

报告简介：
Optimization on Riemannian manifolds, also called Riemannian optimization, considers finding an optimum of a real-valued function defined on a Riemannian manifold. Riemannian optimization has been a topic of much interest over the past few years due to many important applications, e.g., blind source separation, computations on symmetric positive matrices, low-rank learning, graph similarity, and elastic shape analysis. In this presentation, the framework of Riemannian optimization is introduced, and the history and current state of Riemannian optimization algorithms are briefly reviewed. Optimization problems in the blind deconvolution is used to demonstrate the efficiency and effectiveness of Riemannian optimization.