学术报告
报告题目：数据驱动的非高斯随机动力系统的识别与迁移现象
报告人：高婷副教授（华中科技大学）
报告时间：2022年5月29日8：30-9：30
报告地点：腾讯会议号：983 308 195
报告摘要：由于随机噪声特别是非高斯Lévy噪声的广泛存在，随机微分方程被应用于越来越多的系统建模之中，如地球物理、生命科学、金融数学、数据科学等。近年来，随机动力系统的理论方法和机器学习算法的研究互相渗透，互相促进。一方面，从实际的数据中提取其满足的物理定律，是数据驱动的随机动力系统的一个重要研究问题。另一方面，随机动力系统的小概率稀有事件可能会造成重大影响，其中一类有趣的问题是在非线性向量场和噪声相互作用下，亚稳态间的迁移现象。我们讲探讨解决这些问题的一些深度学习方法。
报告人简介：高婷，2015年博士毕业于美国伊利诺伊理工学院。先后在美国知名手游公司MZ和社交网络公司Twitter大数据产品研发部门担任高级数据科学家，机器学习算法工程师。研发了多个基于深度强化学习和深度学习的推荐系统，以及大数据流在线学习的实时竞价模型。现就职于华中科技大学数学与统计学院，主要的研究方向有：非高斯随机动力系统的识别、有效动力学的预测和最优控制，以及在信息通讯、金融数学中的应用，已在AMC、Commun Nonlinear SCI、SIAM、IJBC和IPI等系列杂志发表高水平论文多篇。
