时间：2017年11月17日星期五 14:30-15:10
地点：工业中心605
报告一：求解逆特征值问题的两步牛顿型方法
报告人：陈小山副教授
陈小山简介：华南师范大学数学科学学院副教授,计算数学专业硕士生导师；2007年毕业于华南师范大学数学科学学院，获数学专业博士学位，研究方向：数值代数及其应用、矩阵扰动分析、特征值反问题。现担任广东省计算数学理事会常务理事成员（2016-2020年）。2013年3月—9月访问美国Kansas大学数学系徐洪国教授。多次访问香港浸会大学、香港大学数学系和澳门大学数学系。主持国家自然科学面上基金项目1项、广东省自然科学基金项目1项。近年来，在计算数学的国际知名期刊《Numerische MathematiK》、《SIAM J. Matrix Anal. Appl.》、《BIT Numerical Mathematics》、《Numerical Linear Algebra Appl.》、《Linear Algebra Appl.》和《Numerical Algorithms》以及国内的《计算数学》，《应用数学学报》，《高校计算数学学报》等发表论文30多篇,其中SCI收录20多篇。
内容提要：矩阵特征值反问题在数学物理、量子力学、粒子物理、地球物理学、分子光谱学、结构设计、参数识别、自动控制等科学计算和工程问题当中已经被广泛地运用,具有较强的物理背景和实际意义。本报告中陈小山副教授主要介绍了两步牛顿法求解反特征值问题的方法，包括确切的牛顿，类牛顿和不精确的牛顿三种格式，结果表明，两步牛顿和两步牛顿类方法都是三次收敛，两步不精确牛顿类方法是超级二次收敛的，数值实验证明了新算法的有效性。
时间：2017年11月17日星期五 15:10-15:50
地点：工业中心605
报告二：大规模结构线性系统的预条件CG算法和扰动分析
报告人：彭小飞副教授
彭小飞简介：华南师范大学数学科学学院副教授，计算数学专业硕士生导师。2003年12月毕业于中南大学数学科学与计算技术学院，获数学专业硕士学位，2008年12月毕业于华南师范大学数学科学学院，获数学专业博士学位，研究方向：数值代数及其应用、高性能科学计算。主持国家自然科学面上基金项目1项、国家自然科学青年基金项目1项、广东省自然科学博士启动基金项目1项，中南大学博士后基金项目1项。在《International Journal of Computer Mathematics》、《J. Comput. Appl. Math.》、《Applied Numerical Mathematics》、《Numerical Algebra, Control and Optimization》、《Computing,》以及国内的《高校计算数学学报》等杂志发表论文20多篇，其中SCI收录10余篇。
内容提要：在对自然科学与社会科学中诸多实际问题进行数值模拟时,最终大都是归结为稀疏结构线性方程组的求解问题。例如：在结构设计、数值天气预报、油气资源探测、数值风洞、恒星大气分析与核爆模拟等领域,常利用偏微分方程作为数学模型,而在偏微分方程的离散求解中,稀疏线性方程组扮演着十分重要的角色。此外,稀疏线性方程组在数学规划、网络分析、经济分折、离散Markov链等领域中也有着重要的应用。彭小飞副教授在本报告中将重点介绍预条件共轭梯度（CG）算法，以求解上述大型稀疏结构线性系统。他们的算法的关键是构建不同类型的预条件子，将原有的线性系统转化为对称正定线性系统。为了测量算法的灵敏度和稳定性，还给出了相关的特征值扰动分析。
时间：2017年11月17日星期五 15:50-16:10
地点：工业中心605
报告三、悉尼科技大学软件学院现状及国际交流简介
报告人：Mukesh Prasad博士
Dr. Prasad博士简介：澳大利亚悉尼科技大学(University of Technology Sydney, UTS)软件学院（School of Software）和人工智能研究中心(Centre for Artificial Intelligence, CAI)，Prasad博士的主要研究方向包括：机器学习，大数据分析，模式识别，模糊系统，神经网络和脑机接口。近年来在SCI/SCEI Journals上发表论文20余篇。
本次报告将简要介绍UTS FEIT School of Software的有关情况，包括：学院的组织架构、师资力量、科研成果等。此外，将特别地介绍UTS针对教师和学生的国际对外合作的优惠政策等有关事宜。
时间：2017年11月17日星期五16:10-17:00
地点：工业中心605
报告四、深度增强学习近期进展简报
报告人：李俊博士
李俊简介：李俊博士，伦敦大学工学博士，先后在南洋理工大学、香港科技大学从事博士后研究，现在悉尼科技大学担任讲师。李俊博士的主要研究方向是机器学习、概率模型、深度神经网络在图像处理中的应用等。近年来在含IEEE Transactions，Pattern Recognition，Signal Processing等国际知名杂志以及学术会议上发表论文10余篇。李俊博士将做一个学术简报，简要介绍深度学习和增强学习两大领域近期的进展，主要的测试基准，挑战和问题等。
欢迎老师、同学们参加！
研究生处
数学与系统科学学院
