国产a片 学术报告[2026]074号

（高水平大学建设系列报告1333号）

报告题目：Riemannian Optimization and a Riemannian Federated Learning Algorithm

报告人：黄文 教授（厦门大学）

报告时间：2026年7月2日16:30-17:30

报告地点：国产a片 粤海校区汇文楼1420会议室

报告摘要：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, community detection, and elastic shape analysis. In this presentation, the framework of Riemannian optimization is introduced, and the current state of Riemannian optimization algorithms are briefly reviewed. A Riemannian federated learning algorithm (RFedAGS) is presented and analyzed. The difficulties of the generalization to the Riemannian setting are highlighted. The convergence results of the proposed RFedAGS are established. Extensive experiments conducted on synthetic and real-world data demonstrate the good performance of RFedAGS.

报告人简介： 黄文教授，2014年毕业于佛罗里达州立大学，获得应用与计算数学博士学位。2014年至2016年在比利时新鲁汶大学数学工程系担任博士后。2016年至2018年在美国莱斯大学计算与应用数学系担任法伊佛博士后讲师。于2018年9月加入厦门大学。他的主要研究兴趣在黎曼流形上的优化算法及其应用，包括信号处理，图像处理，计算机视觉，网络成分分析，统计，机器学习等大规模问题的理论以及算法实现。研究成果发表在SIOPT，SISC，MATH PROGRAM，NUMER MATH等主流期刊。他开发了用来解决流形优化问题的C++软件工具包ROPTLIB。主持国家自然科学基金青年及面上项目，并于2021年入选国家级高层次人才青年项目。

邀请人：吴育洽

国产a片

2026年7月1日