报告题目：平均场最优化问题的几种渐进方法
报告人简介：
王笑圳，泰山学堂2016级数学取向学生，现就读于巴黎综合理工学院（X）工程师项目四年级，巴黎高师MVA硕士项目双学位，主要研究方向为量化金融数学、最优运输（Optimal Transport）问题与神经网络优化问题的分析，即将在法继续攻读博士学位。王笑圳同学不仅重视科研学习，同时兼顾做好服务留法学子的工作，目前担任全法青年科创协会主席，巴黎综合理工大学IP Paris学联创始主席，山东大学法国校友会成员，曾任X-Chine社团主席，致力于为推动中法双边文化科技交流与沟通做出自己的微薄贡献。
报告摘要：
从非凸优化问题入手，我们将最优化问题的最小能量问题和平均场 Langevin equation（MFLE）结合起来，观察到MFLE的不变测度和最小能量的稳定分布是一致的，因此神经网络的训练也是一种平均场问题。我们提出了entropic fictitious play dynamics的方法，并应用在两层神经网络的例子中。
报告时间：
2023年4月29日19:30
报告地点：
数学楼309（#腾讯会议：671-948-773）
