2023年6月10日和11日上午，在知津楼C303，学院邀请霍永亮教授和重庆大学研究生于浪分别做了题为“数据拟合及应用”、“支持向量机的共轭下降学习算法”、“最小二乘支持向量机的共轭函数增益SMO算法”的三个学术报告。

霍教授首先从与材料学院伍教授合作开始谈起，通过傅里叶收敛定理，利用三角函数与指数函数的复合，得到了一类数据的拟合，拟合度达到了0.9988，随后利用随机单调下降算法求解了该函数的最优解。最后霍教授介绍了随机单调下降算法在各类问题中的应用。

支持向量机(SVM)是模式识别中一类重要的方法，序列最小优化(SMO)算法是目前最流行的SVM训练方法之一。报告人于浪介绍了支持向量机的数学模型本质思想以及其应用领域，并讨论在大数据的背景下，模型的求解所面临的挑战与未来的研究方向。

公司从事机器学习、最优化、数理统计的相关教师、联合培养研究生等人参加了该学术活动，并与演讲者进行了富有成效的交流。

本系列学术报告围绕学院申硕与团队建设，依托“复杂数据分析与人工智能”重庆市重点实验室、重庆市高校“群与图的理论及应用”重点实验室和yl34511线路中心数学重点学科，推动了校内相关科研人员之间的交叉合作研究。

供稿审核人：李明华

编辑：李    勇

                                                    终审：余大鹏