Talk|加州理工學院在讀博士石冠亞分享NeurIPS'20工作:在線優(yōu)化、控制和學習的結合
本周為將門-TechBeat技術社區(qū)第277期線上Talk,也是NeurIPS 2020系列Talk第⑨彈!
北京時間1月28日(周四)晚8點,加州理工學院計算與數(shù)學科學系在讀博士生—石冠亞的Talk將準時在將門TechBeat技術社區(qū)開播!
他與大家分享的NeurIPS 2020工作主題是: “在線優(yōu)化、控制和學習的結合:?魯棒性和復雜度分析”。屆時將通過分享相關工作,帶領大家重新思考控制、優(yōu)化和學習的內在關聯(lián)。

三分鐘短視頻解鎖Caltech Lab Tour!
走鋼絲的小機器人祝大家新年快樂!
??

Talk·信息
▼
主題:在線優(yōu)化、控制和學習的結合:?
魯棒性和復雜度分析
嘉賓:加州理工學院計算與數(shù)學科學系
在讀博士生 石冠亞
時間:北京時間?1月28日 (周四) 20:00
地點:將門TechBeat技術社區(qū)
http://www.techbeat.net/
長按識別二維碼,一鍵完成預約!

Talk·提綱
▼
隨著控制理論和數(shù)據(jù)科學的發(fā)展,復雜系統(tǒng)的控制問題取得了越來越多的進展(比如以波士頓動力為代表的復雜機器人控制,以及以OpenAI為代表的多模態(tài)智能機械臂)。復雜動態(tài)系統(tǒng)的控制問題往往有三個視角:優(yōu)化(optimization),學習(learning),以及控制(control)。傳統(tǒng)的分析方法一般將三者分割開來,使用不同的指標(metric)來分析不同的模塊,而忽視了它們之間的相互作用和內在關聯(lián)。重新思考控制、優(yōu)化和學習的內在關聯(lián),不僅有利于開發(fā)新的理論工具和建立新的研究視角,也可以為真實復雜動力系統(tǒng)的控制問題提供理論基石。
本次分享的主要內容如下:
1.?在線優(yōu)化、在線控制和在線學習的基本框架和相關理論
2. 伴隨記憶的在線凸優(yōu)化(online convex optimization with memory)與在線控制的結合
3.?經(jīng)典在線控制算法(模型預測控制,MPC)的復雜度分析
Talk·參考資料
▼
這是本次分享中將會提及的資料,建議提前預習哦!
1.?Online Optimization with Memory and Competitive Control
https://proceedings.neurips.cc/paper/2020/file/ed46558a56a4a26b96a68738a0d28273-Paper.pdf
2.?The Power of Predictions in Online Control
https://proceedings.neurips.cc/paper/2020/file/155fa09596c7e18e50b58eb7e0c6ccb4-Paper.pdf
3.?Competitive Control with Delayed Imperfect Information
https://arxiv.org/pdf/2010.11637
Talk·提問交流
▼
方式 ①
在Talk界面下的【交流區(qū)】參與互動!留下你的打call??和問題??,和更多小伙伴們共同討論,說不定就被講者直接翻牌解答了呢!

你的每一次貢獻,我們都會給予你相應的i豆積分,還會有驚喜獎勵哦!
方式 ②
在本文留言區(qū)直接提出你的問題,或掃描下方二維碼提問!問題被選中的小伙伴們將獲得一個紅包獎勵!

Talk·嘉賓介紹
▼

加州理工學院計算與數(shù)學科學系 在讀博士生
石冠亞,本科畢業(yè)于清華大學,目前在加州理工學院計算與數(shù)學科學(CMS)系的控制與動力系統(tǒng)(CDS)方向攻讀博士學位。他的主要研究方向是控制理論和機器學習的結合,以及在真實世界復雜動力系統(tǒng)中的應用。他在ICRA、L4DC、NeurIPS、RAL等多個機器人、控制和機器學習的頂級會議/期刊發(fā)表論文十余篇,研究成果多次被雅虎新聞、ImportAI、Engadget、Caltech新聞等多家媒體報道。他曾先后在商湯科技深度學習算法組和英偉達AI算法組實習。
個人主頁:
http://www.gshi.me/
長按識別二維碼,一鍵完成預約!

關于TechBeat社區(qū)
▼
TechBeat(www.techbeat.net)是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務和體驗,加速并陪伴其學習成長。期待這里可以成為你學習AI前沿知識的高地,分享自己最新工作的沃土,在AI進階之路上的升級打怪的根據(jù)地!? ??
更多詳細介紹>>https://mp.weixin.qq.com/s/wpiNhRPc6qmd68CnIqDYLg