菜单总览
— 优秀师资 —

濮实

职位:

助理教授

教育背景:

博士(弗吉尼亚大学)

学士(北京大学)

研究领域
分布式优化,大规模数据分析,网络科学,机器学习
个人网站

https://myweb.cuhk.edu.cn/pushi

Email

pushi@cuhk.edu.cn

个人简介:


濮实教授于2019年9月加入香港中文大学(深圳)数据与运筹科学研究院,成为数据运筹院的一名助理教授。在此之前, 他是波士顿大学系统工程系的博士后研究员。他于2012年获得北京大学工程力学学士学位, 并于2016年获得弗吉尼亚大学系统工程博士学位。在2016年至2017年, 他在佛罗里达大学担任博士后研究员, 并于2017年至2018年在亚利桑那州立大学任博士后研究员。他的研究兴趣包括分布式优化、大规模数据分析、网络科学和机器学习。


学术著作:


Preprints

1. S. Pu, A. Olshevsky and I.C. Paschalidis, A Sharp Estimate on the Transient Time of Distributed Stochastic Gradient Descent, SIAM Journal on Optimization, submitted.


Journal Papers

1. S. Pu and A. Nedich. Distributed Stochastic Gradient Tracking Methods. Mathematical Programming, accepted.

2. S. Pu, A. Olshevsky and I.C. Paschalidis, Asymptotic Network Independence In Distributed Stochastic Optimization for Machine Learning, IEEE Signal Processing Magazine, accepted.

3. S. Pu, W. Shi*, J. Xu and A. Nedich. Push-Pull Gradient Methods for Distributed Optimization in Networks. IEEE Transactions on Automatic Control, 2020.

4. S. Pu, J.J. Escudero-Garzas, A. Garcia and S. Shahrampour. An Online Mechanism for Resource Allocation in Networks. IEEE Transactions on Control of Network Systems, 2020.

5. S. Pu and A. Garcia. Swarming for Faster Convergence in Stochastic Optimization. SIAM Journal on Control and Optimization, 56(4):2997-3020, 2018.
6. S. Pu and A. Garcia. A Flocking-based Approach for Distributed Stochastic Optimization. Operations Research, 66(1):267-281, 2018.
7. S. Pu, A. Garcia and Z. Lin. Noise Reduction by Swarming in Social Foraging. IEEE Transactions on Automatic Control, 61(12):4007-4013, 2016.

 

Conference Proceedings

1. S. Pu and A. Nedich. A Distributed Stochastic Gradient Tracking Method. 2018 IEEE 57th Conference on Decision and Control (CDC). [arxiv]

2. S. Pu, W. Shi, J. Xu and A. Nedich. A Push-Pull Gradient Method for Distributed Optimization in Networks. 2018 IEEE 57th Conference on Decision and Control (CDC). [arxiv]

(*co-first author)