当前位置:首页  新闻公告  学术交流
我校控制学科首席国际学术顾问―Stephen P. Boyd教授报告会
发布人:系统管理员  发布时间:2016-03-24   浏览次数:16
应学校航天学院控制理论与制导技术研究中心段广仁教授的邀请,国际著名学者、IEEE院士、美国斯坦福大学Stephen P. Boyd教授来我校访问,并为我校师生带来精彩报告,欢迎全校师生参加。
报告人:Prof. Stephen P. Boyd
报告题目:Convex Optimization with Abstract Linear Operators
报告时间:3月28日(星期一)上午9:30-11:00
报告地点:一校区学生活动中心214报告厅
承办单位:航天学院 控制理论与制导技术研究中心
报告人简介:
Stephen P. Boyd, 男。1980年以最高荣誉获哈佛大学数学系AB学位;1985年获伯克利大学电力工程和计算机服务系博士学位,后获瑞典皇家工学院荣誉博士称号。1985年进入斯坦福大学电机工程系任教,现为斯坦福大学工学院Samsung教授、电气工程系信息系统实验室教授、计算数学工程管理科学与工程研究所客座教授,并在多所学校担任访问教授。他当前的研究方向包括凸优化在控制中的应用,信号处理和电路设计等。
Stephen P. Boyd教授是ONR青年研究学者奖和Presidential青年研究学者奖获得者;1992年获得AACC Donald P. Eckman奖,这个奖项每年只颁发给年龄35岁以下在控制工程领域作出最大贡献的人;1993年当选为IEEE控制系统协会杰出讲座人;1999年当选为IEEE院士。
Stephen P. Boyd教授在IEEE Transactions on CAD of Integrated Circuits and Systems, IEEE Transactions on Robotics, IEEE Transactions on Signal Processing, IEEE Transactions on Information Theory, IEEE Transactions on Communications, Signal Processing, Encyclopedia of Optimization, SIAM Journal on Optimization, Systems & Control Letters等控制和优化领域重要刊物及学术会议上发表论文200余篇。拥有三本学术著作:Linear Controller Design: Limits of Performance, Linear Matrix Inequalities in System and Control Theory, Convex Optimization. 在控制和优化领域被邀请做过50余次大会报告或讲座。他的研究群体还开发了一些开源工具,广泛应用于凸优化的分析求解中。
Stephen P. Boyd教授讲授的课程主要包括:线性动力系统和凸优化,电子工程,信号与系统,数字信号处理和自动化控制,以及非线性反馈系统等。1994年获杰出本科生教学奖;1991年获ASSU研究生教学奖;2003年获AACC Ragazzini教育奖,评奖机构评价为:“在课堂教学,教材和备课方面,对本科生和研究生的辅导有卓越的贡献”。
报告摘要:
Domain specific languages (DSLs) for convex optimization, such as CVX and YALMIP and the more recent CVXPY and Convex.jl, are very widely used to rapidly develop, prototype, and solve convex optimization problems of modest size, say, tens of thousands of variables, with linear operators described as sparse matrices. These systems allow a user to specify a convex optimization problem in a very succinct and natural way, and then solve the problem with great reliability, with no algorithm parameter tuning, and a reasonable performance loss compared to a custom solver hand designed and tuned for the problem. In this talk we describe recent progress toward the goal of extending these DSLs to handle large-scale problems that involve linear operators given as abstract operators with fast transforms, such as those arising in image processing and vision, medical imaging, and other application areas. This involves re-thinking the entire stack, from the high-level DSL design down to the low level solvers.