吴建国，北京大学工学院研究员、博士生导师、国家海外青年人才引进专家。2009年获得清华大学机械工程学士学位，2011年获得普渡大学机械工程硕士学位，2011年至2015年先后获得威斯康星大学麦迪逊分校统计硕士和工业与系统工程博士学位，2015年起任教于德克萨斯大学艾尔帕所分校工业与系统工程系，2017年加入北大工学院。主要研究领域为基于机器学习与工业大数据分析的智能制造与复杂系统质量与可靠性研究。近年来主持包括美国陆军部、中国自然科学基金面上项目、自然科学基金重点项目在内的多个中美科技攻关课题，以第一作者或通讯作者在IEEET-PAMI,Technometrics，IISETransactions,JQT,IEEET-IEEET-Reliability等领域顶尖或权威期刊发表论文四十余篇，现担任中国现场统计研究会可靠性工程分会常务理事、中国运筹学会可靠性工程分会理事、中国管理科学与工程学会质量与可靠性管理分会理事，同时担任智能制造期刊JournalofIntelligentManufacturing副主编，曾获得美国制造工程师学会E.WayneKay奖、美国德克萨斯大学系统STARSAward、美国制造科学与工程年会BOSS奖、美国工业与系统工程（IISE）年会以及美国运筹与管理科学（INFORMS）年会最佳论文奖和提名奖等奖项。
基于任务的自组织机制设计及其博弈分析
张勋，北京师范大学统计学院金融统计系教授，博士生导师，入选2019年度教育部青年长江学者，北京大学数字金融研究中心特约高级研究员。在《中国社会科学》、《经济研究》、《管理世界》、《经济学》（季刊）以及JournalofBanking&Finance等期刊发表论文60余篇。主持承担国家自然科学基金项目2项，其中青年项目在绩效评估中被评为“特优”。曾获霍英东教育基金会高等院校青年科学奖、商务发展研究成果奖和洪银兴经济学奖（青年）等多项学术奖项。
大知识图谱平台HAPE和医学多模态知识图谱
费超群，博士毕业于中国科学院计算技术研究所，现为中国科学院数学与系统科学研究院博士后。研究方向包括大知识图谱平台构建、多模态知识图谱、知识表示等。曾在InformationSciences，IEEE/CAAJournalofAutomaticaSinica等发表多篇论文。
Robbins-MonroAugmentedLagrangianMethodforStochasticConvexOptimization
WeproposeaRobbins-MonroaugmentedLagrangianmethod(RM-ALM)tosolveaclassofconstrainedstochasticconvexoptimization,whichcanberegardedasahybridoftheRobbins-MonrotypestochasticapproximationmethodandtheaugmentedLagrangianmethodofconvexoptimizations.Undermildconditions,weshowthattheproposedalgorithmexhibitsalinearconvergencerate.Moreover,insteadofverifyingacomputationallyintractablestoppingcriteria,weshowthattheRMALMwiththeincreasingsubproblemiterationnumberhasaglobalcomplexityforthe-solution(i.e.,),whereisanypositivenumber.Numericalresultsonsyntheticandrealdatademonstratethattheproposedalgorithmoutperformstheexistingalgorithms.
NetworkRefinement:Aunifiedframeworkforenhancingsignalorremovingnoiseofnetworks
Interpretationofrankingcanbesimplifiedbygroupingwhenthenumberofrankingitemsislarge.Weconsidertheproblemofrankingandgroupingfrompairwisecomparisonssimultaneouslysothatitemswithsimilarabilitiesareclusteredintothesamegroup.Toachievethis,apenalizedspectralrankingmethod,namedassparserankcentrality,isdesigned.Inthemethod,thefusedlassoestimatorisusedinconjunctionwithaspectralbasedmethod,rankcentrality.Wereconstructandsimplifytheoriginalproblemtoaconcisestructurewhichhasthesameformwiththelinearadaptivelassoproblem.TheoreticalresultsareprovidedtopresentthegroupingconsistencyoftheproposedprocedureunderBradley-Terryassumption.ThesimulationstudyandrealexamplesincludingNationalBasketballAssociation(NBA)dataandjournalmeta-rankingsareprovidedtodemonstratethevalidityofourtheoryandthepracticalsignificanceoftheproposedapproach.