篇幅达2840页、目录31页，这位华人小哥的博士论文堪比课本
机械之心报道作者：杜伟、陈萍一篇长达 2840 页的博士论文，都是关于矩阵理论的，可以当课本了。一篇论文的篇幅竟然多达数千页，比许多课本都要厚，这简直无法想象。不外，学术界的「能人异士」层出不穷，德州大学奥斯汀分校的 CS 博士生 Zhao Song 就做到了。
这是一篇 2019 年 8 月提交的博士论文，总篇幅到达了 2840 页，其中目录就占了 31 页。此外在致谢部门，论文作者还以整整 5 页的篇幅谢谢了互助者、提供名贵意见以及读博期间资助过他的人。论文地址：https://repositories.lib.utexas.edu/bitstream/handle/2152/80715/SONG-DISSERTATION-2019.pdf?sequence=1&isAllowed=y不外，作者在论文第 1 页做了免责声明，表现：「这篇论文不切合德州大学奥斯汀分校当前的写作花样指南，论文仅供参考使用。
」下面让我们简朴相识下这篇巨长的博士论文到底讲了些什么。2840 页，这篇博士论文讲了什么矩阵（matrix）在许多理论盘算机科学和机械学习问题中发挥着至关重要的作用。在这篇博士论文中，作者旨在提供对矩阵的更好明白，而且文中的许多看法对古老的、已经获得充实研究的算法问题带来了革新。
详细来讲，作者从三个层面临盘算机科学和机械学习领域的矩阵展开了研究。首先，他探究了矩阵在优化算法中的作用。
作者研究了大量的矩阵优化问题，并针对线性计划、履历风险最小化、常微分方程和深度神经网络提供了新的求解方法和效果。其中，在线性计划优化问题中，作者提出了一种在当前矩阵乘法时间上运行的新算法，并表现 gaisuan「解决了停滞了三十年之久的研究障碍」。
此外，该算法可以泛化至多种多样的凸优化问题，即履历风险最小化问题。详细算法如下所示：然后，他探究了随机矩阵中的集中不等式问题。详细来讲，作者将大量的切尔诺夫（Chernoff）类型的标量集中不等式和斯宾塞（Spencer）类型的差异定理泛化到矩阵中。
标量随机变量集中的切尔诺夫界限是随机算法分析中的基本工具。已往十年，切尔诺夫界限的矩阵泛化获得广泛应用，但这种泛化存在着一定的限制，而且是否可以消除这些限制的问题也悬而未决。
通过提供大量更宽松独立性假设条件下新的矩阵切尔诺夫界限，作者对这一问题给出了肯定的谜底。如下为定理 8.1.1：k 匀称强瑞利漫衍（Strongly Rayleigh Distribution）的矩阵切尔诺夫界限。
斯宾塞定理是差异理论中的一个著名效果，但如何将斯宾塞定理泛化至矩阵设置中这个重要问题却没有获得解决。作者在这方面取得了一些希望，并证明晰在某些限制设置条件下斯宾塞定理可以实现矩阵泛化。而且，文中的效果可以泛化至著名的卡迪森 - 辛格料想（Kadison-Singer conjecture）问题。
如下为定理 1.3.4：卡迪森 - 辛格问题。最后，他提出了一系列求解矩阵问题的新算法。新算法大致可以分为两类：矩阵剖析问题和结构化重建问题。
在矩阵剖析算法上，针对种种低秩矩阵剖析，作者提出了新的算法，包罗一些新的牢固参数可处置惩罚的算法；在结构化重建算法上，针对一些具有结构矩阵的重建任务，给出了新的算法。例如，作者重新思量了 L2/L2 的压缩感知问题，提出了编码速度更快和列稀疏更小的算法。
此外，作者还给出了针对傅里叶变换（Fourier transform）的快速算法等。作者先容小我私家主页：https://simons.berkeley.edu/people/zhao-song论文作者 Zhao Song 本科结业于西蒙菲沙大学，获得了盘算机科学学士学位，博士结业于德克萨斯大学奥斯汀分校盘算机科学系，由 Eric Price 教授指导。在进入德克萨斯大学之前，Zhao Song 曾是哈佛大学的会见学者，也在 IBM 研究中心实习过。
Zhao Song 的研究领域广泛，涉及机械学习、理论盘算机科学和数学，如深度学习理论、反抗样本、强化学习、线性回归、矩阵 / 张量剖析、线性计划、傅立叶变换等。论文被引用次数凌驾 2000 次：参考链接：https://scholar.google.com/citations?user=yDZct7UAAAAJ&hl=enhttps://dblp.org/pid/76/4051-2.html。
本文关键词：篇幅,达,2840页,、,开云体育app,目录,31页,这位,华人,小哥
本文来源：开云体育app-www.luofenele.com
