Acompanhe nossa agenda de apresentações e discussões, da mais recente a mais antiga.
Otimização em Variedades Riemannianas - part.2
Palestrante: Prof. Dr. Marcos Alexandrino
Data: 09 de novembro de 2026 às 17:00
Resumo:
Nesta palestra iremos abordar técnicas recentes de Otimização Geometria Riemanniana para procurar candidatos a mínimos locais de uma função em uma variedade Riemanniana (ou mais geralmente uma variedade de Hilbert fortemente Riemanniana). Motivados pelo algoritmo do gradiente descendente, vamos propor pequenas alterações que flexibilizam o algoritmo e ainda sim permitirão garantir convergência do algoritmo em condições naturais (tanto para Machine Learning quanto para análise).
Otimização em Variedades Riemannianas
Palestrante: Prof. Dr. Marcos Alexandrino
Data: 05 de outubro de 2026 às 17:00
Resumo:
Motivados por um problema de Aprendizado de Máquina, introduziremos o algoritmo do gradiente descendente Riemanniano. Exploraremos diversas questões acerca da convergência da sequência gerada por este algoritmo, incluindo a convergência fraca, a convergência forte e a convergência para um mínimo local.
Os links dos seminários são postados próximo a data.
Teorema da Aproximação Universal e Otimização Riemanniana
Palestrante: MsC. Monica M. F. Drechsler
Data: 21 de setembro de 2026 às 17:00
Resumo:
Nesta palestra daremos continuidade a discussão inicial do que é aprendizado de máquina chegando a pergunta: por que redes neurais são eficientes? Além disso, uma breve discussão com resultados obtidos ao utilizar otimização Riemanniana em um problema de aprendizado supervisionado.
Os links dos seminários são postados próximo a data.
Boas vindas e introdução ao aprendizado de máquina
Palestrante: MsC. Monica M. F. Drechsler
Data: 14 de setembro de 2026 às 17:00
Resumo:
Neste seminário, damos início as palestras do seminário falando sobre o que é aprendizado de máquina do ponto de vista matemático, detalhando caminhos que podem ser seguidos.
Os links dos seminários são postados próximo a data.