地点：行健楼学术活动室526
Abstract:In this talk we consider nonlinear least squares problems for which the exact Jacobians are not available. Problems of this nature arise in important practical applications, such as the data assimilation in weather prediction and the estimation of the merit function in deep learning. We will present some derivative-free algorithms for such problems and show the almost sure global convergence and complexity of the algorithms.
报告人简介：范金燕，网赌-网赌平台推荐
校友，分别于1996年和1999年在南京师范大学获得学士和硕士学位，2002年博士毕业于中国科学院数学与系统科学研究院，现为上海交通大学网赌
教授。主要从事非线性最优化的理论和方法研究，在非线性方程组、完全正优化、张量计算等方面取得了一系列成果。现担任中国运筹学会数学规划分会副理事长，J. Ind. Manag. Optim.、J. Oper. Res. Soc. China、Numer. Algebra Control Optim.、《计算数学》等期刊编委。曾获中国青年女科学家奖、中国青年科技奖，入选国家“万人计划”科技创新领军人才。
