报告题目：机器学习和数据科学在科学和工程研究中的应用
报告人：林光 博士
报告人单位：美国普渡大学
报告时间：2018年5月17日 ，上午10：00-11：00
报告地点：数学学院九龙湖第一报告厅
报告摘要：
本报告在关于机器学习和数据科学概述的基础上，研究风力发电机的最佳选址方案，太阳能发电预测，以及使用机器学习帮助克莱斯勒公司大幅提高铸件产量方面的应用。此外，将提出一个全新的机器学习用于科学研究的范例——用数据自主学习背后的物理定律：在由微分方程控制的复杂系统中，如何学习隐藏在嘈杂数据背后的物理定律。其关键思想是利用现有的噪声测量方法来确定可能的基本方程。同时采用基于贝叶斯稀疏特征选择的机器学习算法来估计方程系数并给出误差条。数值实验表明，对于不同的噪声数据，我们提出的机器学习算法有很强的鲁棒性，以及有对机器学习进行不确定性量化分析的能力。
报告人介绍：
林光博士现任美国普渡大学机械工程学院和数学系的博士生导师和副教授。2007年在美国布朗大学获得了应用数学博士学位。2007年至2014年在美国能源部太平洋西北国家实验室担任高性能计算、数学和数据学习部门的资深研究员。获2017国家自然科学基金委海外青年学者合作研究基金(杰青B类)，美国国家科学基金会数学科学部2016年度杰出青年学者成就奖（CAREER），2015年数学生物科学研究所杰出青年学者成就奖，2012年美国能源部Ronald L. Brodzinski杰出青年学者成就奖，和美国能源部西北太平洋国家实验室杰出青年成就奖。林光博士目前还在International Journal of Uncertainty Quantification、Austin Statistics、Journal of Stochastics等杂志的编辑委员会任编委。