报告简介
此报告主要介绍我们近期从基础数学与传统算法的角度来研究深度学习取得的一些进展。首先简单介绍不同领域的几个传统的算法，包括逻辑回归，支持向量机，有限元，多层网格法。通过研究这些算法的数学原理与内在联系，我们来理解与改进深度神经网络的模型结构，损失函数及其相关的训练算法等。特别地我们将报告最近把科学计算中极为有效的多层网格(MG)方法与深度学习相结合而开发的一类名为MgNet的全新的CNN模型。
嘉宾简介
许教授是美国宾州州立大学Verne M. Willaman讲席教授、美国宾州州立大学-北京大学计算数学与应用联合研究中心主任、曾经是北京大学长江讲座教授，杰出青年（B类）获得者。许教授于1995获得首届冯康科学计算奖，于2005年获得德国“洪堡”资深科学家奖，2006年获得中国杰出青年基金（B 类）, 于2007年应邀在第6届国际工业与应用数学学会大会上作特邀报告，2010年应邀在世界数学家大会上作45分钟报告，并于2011年当选美国工业与应用数学学会会士，2012年当选美国数学学会会士。2011年获得了中国教育部和国务院学位委员会授予的“全国优秀博士论文”指导教师奖，其学生获得2011年全国百篇优秀博士论文奖。许教授主要研究方向为数值方法的设计、分析和应用，特别是求解偏微分方程以及大数据中的快速算法及其应用。他在区域分解法，多重网格方法和自适应有限元方法等领域，取得了一系列奠基性的科研成果，是国际知名的学术带头人。其代表作包括著名的子空间校正算法、BPX-预条件子、HX-预条件子以及XZ-恒等式等以他名字（Xu）命名的工作。同时，他还担任了十多种国际计算数学权威期刊的编委。近年来他开始致力于深度学习研究，为传统的统计算法，卷积神经网络（CNN）与稀疏训练算法研发了新的算法与数学理论。特别地，近期他和学生把科学计算中极为有效的多层网格(MG)方法与深度学习相结合，开发了一类名为MgNet的全新的CNN模型。
Poster:
