机器学习的数学理论

　　史斌（Bin Shi）博士目前是加州大学伯克利分校的博士后研究员。他的研究重点是机器学习理论，特别是机器学习中的优化理论。史斌博士2006年毕业于中国海洋大学应用数学专业，获理学学士学位；2008年至2011年师从复旦大学袁小平教授学习现代常微分方程理论，并接受严格的数学训练；2011年获复旦大学数学专业和麻省大学达特茅斯分校理论物理专业理学双硕士学位。他的研究兴趣集中在统计机器学习和优化，以及一些理论计算机科学，他的研究成果已发表在NIPS OPT-2017研讨会和INFORMS Jour-nal on Optimization（机器学习特刊）上。S.S.艾扬格（S.S.lyengar）博士，是迈阿密佛罗里达国际大学杰出的大学教授、杰出的Ryder教授和计算与信息科学学院院长，是分布式传感器网络／传感器融合、机器人技术计算领域以及高性能计算领域的先驱。他曾是印度科学理工学院（IISC）班加罗尔分校的Satish Dhawan教授，以及泰米尔纳德邦Kalpakkam IGCAR的Homi Bhabha教授，还曾是巴黎大学、清华大学、KAIST等的客座教授。他发表研究论文600余篇，在MIT出版社、John Wiley & Sons出版社、Prentice Hall出版社、CRC出版社、Springer Verlag出版社等出版22部专著，这些出版物已在世界各地的重点大学使用。他拥有许多专利，其中一些专利还出现在得克萨斯州达拉斯市举办的世界技术论坛上。他的研究出版物涉及高效算法、并行计算、传感器网络和机器人的设计与分析。在过去的40年里，他指导了55名博士生、100名硕士生和许多本科生，这些学生现在遍布世界各地，有的是重点大学的教师，有的是国家实验室／工业领域的科学家或工程师。他的许多本科生仍在从事他的研究项目。最近，艾扬格博士获得了Times Network媒体集团评选的2017年度非居民印度人奖，这是一个为全球印度领导人设立的著名奖项。艾扬格博士是欧洲科学院成员，IEEE、ACM、AAAS、美国国家发明家科学院（NAI）、美国设计与工艺学会（SPDS）、美国工程师学会（FIE）、美国医学与生物工程学会（AIMBE）的高级或资深会员。由于对传感器融合算法和并行算法的贡献，他获得了班加罗尔印度科学研究所的杰出校友奖和IEEE计算机协会技术成就奖。他还在喷气推进实验室获得了IBM杰出教师奖和NASA夏季奖...

《机器学习的数学理论》重点研究机器学习的数学理论。第一部分探讨了在非凸优化问题中，选择梯度下降步长来避免严z格鞍点的自适应性。第二部分提出了在非凸优化中寻找局部极小值的算法，并利用牛顿第二定律在一定程度上得到无摩擦的全局极小值。第三部分研究了含有噪声和缺失数据的子空间聚类问题，这是一个由随机高斯噪声的实际应用数据和含有均匀缺失项的不完全数据激发的问题；还提出了一种新的具有粘性网正则化的VAR模型及其等价贝叶斯模型，该模型既考虑了稳定的稀疏性，又考虑了群体选择。《机器学习的数学理论》可作为本科生或研究生的入门教材。对于希望进一步加强对机器学习的理解的教授、行业专家和独立研究人员来说，该书也是好的选择。