腾讯会议：981-235-313
Abstract: In this talk, I will discuss our recent progress on developing a modified Anderson mixing schemes with short memory requirement for solving linear, nonlinear systems and stochastic programming. The convergence analysis will be reported and extensive numerical results will be present.
报告人简介：包承龙，清华大学丘成桐数学科学中心，助理教授。 2009 年本科毕业于中山大学数学系，2014 年博士毕业于新加坡国立大学数学系， 2015 年至 2018 年在新加坡国立大学数学系进行博士后研究。 其研究兴趣主要在数学图像处理的模型与算法方面，目前已在 IEEE TPAMI, SIIMS, SISC, ACHA 等期刊和 CVPR， ICML，NeurIPS, ICLR 等会议上共计发表学术论文 30余篇。