南京大学在职研究生招生网
主讲人：何炳生教授
何炳生，南京大学数学系教授，博士研究生导师。1966年高中毕业，1978年2月进入南京大学数学系学习，毕业后公派去德国留学，取得Wuerzburg大学博士学位后於87年开始在南京大学数学系工作。1997年晋升为教授，1998年评为博士生导师。江苏省有突出贡献的中青年专家，独立获得江苏省科技进步一等奖，并享受特殊津贴。长期从事最优化理论与方法的研究，发表论文 50 余篇。
代表性论文发表在 Math. Programming, Numerishe Mathematik，Applied Math. and Optimization, Comutational Optimization and Applications 和 JOTA 等期刊上。论文注重计算效果，部分成果被包括美国两院院士和《世界数学家大会》大会报告人在内的国际著名学者引用并介绍，也被宾习法尼亚大学，多伦多大学，加利福尼亚大学, 哥伦比亚大学等多所北美名校的博士生们在语音识别、光纤网络、机器学习等研究中应用。
从不完整（或者受污染）的信息恢复全部（正确）的信息, 是一类有着广泛的应用背景而且通常被认为求解相当困难的问题。这些源自实际的问题, 其解一般具有稀疏（或低秩）性质。经过数学工作者（包括菲尔兹奖获得者和世界数学家大会一小时报告人）近年的努力, 已经证明: 在一些实际问题能满足的假设条件下, 通过求解相应的松弛问题,可以得到原问题的真解。这些松弛问题是（光滑或非光滑）凸优化问题, 一般具有特殊的可分离结构, 形式简单明了, 条件也不是太坏。问题的显著特点是规模大, 有的问题变量是阶数很高的矩阵, 需要极小化的目标函数是矩阵的核模（矩阵奇异值之和）。
求解这些问题给数学规划（数值优化）工作者提供了新的用武之地, 同时也提出了新的挑战。我们介绍这些问题的基本模型, 说明若用基于松弛PPA和松弛增广Lagrange乘子法的算法来求解, 它的子问题都是些数值代数中有确定算法的“简单问题”；提供基本程序, 用计算结果说明松弛算法在求解典型信息优化问题时的不错效果。在职研究生网
近年来，越来越多的职场人士选项攻读在职研究生提升自己，进而在职场中获得更多升职加薪的机会。上海财经大学人力资源管理在职研究生主要有面授班/网络班两种授课方式可选，其中面授班均在学校上课，双休日其中一天授课，法定节假日和寒暑假不上课；网络班即网络远程学习，学员通过直播课堂、录播回放、在线答疑等方式实现，学员可自由安排学习时间，不受地域限制。
上海财经大学在职研究生采取资格审核方式入学，无需入学资格考试，免试入学。在职研究生报名条件是：本科学历、并获得学士学位后满三年（原专业不限）；虽无学士学位但已获得硕士或博士学位者。满足条件的学员全年均可向院校提交报名申请材料进行报名，完成全部课程学习并通过考核可获得结业证书；后期结业后可报名参加申硕考试，只考外国语和学科综合2门，满分均为100分，学员达到60分及格即可通过考试，学员通过考试并完成论文答辩后即可获得硕士学位证书。
详情>
换一换
换一换
