<div dir="ltr"><div dir="ltr"><div dir="ltr"><div class="gmail_default"><div class="gmail_default"><div><div class="gmail_default" style="font-size:small;font-weight:bold"><font color="#000000" face="arial, helvetica, sans-serif">When: <span style="font-weight:400">    Tuesday, February 5th </span><span class="gmail-m_-2872424850751301179gmail-m_4851397928119953330gmail-m_-6533301490748126930gmail-m_659755472794929801gmail-m_-6461243813863673855gmail-m_-742000311328020925gmail-m_7559459027998801583gmail-m_4801029585485711767gmail-m_8517121454174849988gmail-m_-6691959996525573090gmail-m_1517372298344856049gmail-m_491069367152086750gmail-m_-8327640324523575189gmail-m_2420618808463760418gmail-m_7960197898027616883gmail-m_8692226636264124041gmail-m_2794822896869921223gmail-m_7508998950622620526gmail-m_-7153355664495542534gmail-il" style="font-weight:400">at</span><span style="font-weight:400"> </span><b>11:00 am</b></font></div><div class="gmail_default" style="font-size:small"><font color="#000000" face="arial, helvetica, sans-serif"><br></font></div><div class="gmail_default" style="font-size:small;font-weight:bold"><font color="#000000" face="arial, helvetica, sans-serif">Where:<span style="font-weight:400">    </span><span class="gmail-m_-2872424850751301179gmail-m_4851397928119953330gmail-m_-6533301490748126930gmail-m_659755472794929801gmail-m_-6461243813863673855gmail-m_-742000311328020925gmail-m_7559459027998801583gmail-m_4801029585485711767gmail-m_8517121454174849988gmail-m_-6691959996525573090gmail-m_1517372298344856049gmail-m_491069367152086750gmail-m_-8327640324523575189gmail-m_2420618808463760418gmail-m_7960197898027616883gmail-m_8692226636264124041gmail-m_2794822896869921223gmail-m_7508998950622620526gmail-m_-7153355664495542534gmail-m_8421504075585210435gmail-m_3262824545120381495gmail-m_-1141671822915777344gmail-m_-7219251726624328345gmail-m_-8588148075564318222gmail-m_-8767966813928691312gmail-m_-1542318334608687154gmail-m_5717104778280916634gmail-m_4845490158781220632gmail-m_5124567205141626540gmail-m_3209361100497750746gmail-m_2953668934074478317gmail-m_-3155518689668024534m_9067904842688472155gmail-m_3071693547520408192gmail-il" style="font-weight:400"><span class="gmail-m_-2872424850751301179gmail-m_4851397928119953330gmail-m_-6533301490748126930gmail-m_659755472794929801gmail-m_-6461243813863673855gmail-m_-742000311328020925gmail-m_7559459027998801583gmail-m_4801029585485711767gmail-m_8517121454174849988gmail-m_-6691959996525573090gmail-m_1517372298344856049gmail-m_491069367152086750gmail-m_-8327640324523575189gmail-m_2420618808463760418gmail-m_7960197898027616883gmail-m_8692226636264124041gmail-m_2794822896869921223gmail-m_7508998950622620526gmail-m_-7153355664495542534gmail-il"><span class="gmail-m_-2872424850751301179gmail-m_4851397928119953330gmail-m_-6533301490748126930gmail-m_659755472794929801gmail-m_-6461243813863673855gmail-m_-742000311328020925gmail-m_7559459027998801583gmail-m_4801029585485711767gmail-il">TTIC</span></span></span><span style="font-weight:400">, 6045 S Kenwood Avenue, 5th Floor, Room 526</span></font></div><div class="gmail_default" style="font-size:small"><font face="arial, helvetica, sans-serif"><br></font></div><font face="arial, helvetica, sans-serif" style="font-size:small"><span style="font-weight:bold;color:rgb(0,0,0)">Who:</span><span style="color:rgb(0,0,0)">       </span></font><font color="#000000" face="arial, helvetica, sans-serif">Holden Lee, Princeton University</font><div class="gmail_default" style="font-size:small"><br></div></div><div class="gmail_default" style="font-size:small"><br></div><div style="font-size:small"><b>Title:       </b>Provable Algorithms for Sampling and for Learning Linear Dynamical Systems</div><div style="font-size:small"><br></div><div style="font-size:small"><b>Abstract:</b> A key problem in Bayesian machine learning is to sample from a probability distribution whose density is specified up to a partition function, $p(x)\propto e^{-f(x)}$. Two shortcomings of current Markov Chain Monte Carlo methods (such as Langevin Monte Carlo) which limit their applicability are that (1) probability distributions in practice are *multimodal*, and (2) often the distribution needs to be be updated in an *online* fashion in response to streaming data. I prove that (1) combining Langevin diffusion with temperature-based methods can exponentially speed up mixing for multimodal distributions (using a new Markov chain decomposition theorem), and (2) variance-reduced stochastic gradient methods allow online sampling in almost-constant time per update.</div><div><br></div><div>Reinforcement learning has produced some of the most impressive results in machine learning, but lacks the theoretical guarantees of control-theoretic algorithms. I describe my work in bridging this gap in the case of *linear dynamical systems with hidden state* by developing algorithms that can both learn the system (like model-based RL) and provide guarantees on its control (as in control theory).</div><div><br></div><div>Covers joint work with Sanjeev Arora, Rong Ge, Elad Hazan, Oren Mangoubi, Andrej Risteski, Karan Singh, Nisheeth Vishnoi, Cyril Zhang, and Yi Zhang.</div><div style="font-size:small"><br></div><div style="font-size:small"><br></div>Host: <a href="mailto:nati@ttic.edu" target="_blank" style="font-size:small">Nathan Srebro</a></div><div class="gmail_default" style="font-size:small"><br></div><br class="gmail-Apple-interchange-newline"></div><div class="gmail_default"><br></div><div><div dir="ltr" class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><font face="arial, helvetica, sans-serif">Mary C. Marre</font><div><font face="arial, helvetica, sans-serif">Administrative Assistant</font></div><div><i><font face="arial, helvetica, sans-serif" color="#3d85c6"><b>Toyota Technological Institute</b></font></i></div><div><i><font face="arial, helvetica, sans-serif" color="#3d85c6">6045 S. Kenwood Avenue</font></i></div><div><i><font face="arial, helvetica, sans-serif" color="#3d85c6">Room 517</font></i></div><div><i><font face="arial, helvetica, sans-serif" color="#3d85c6">Chicago, IL  60637</font></i></div><div><i><font face="arial, helvetica, sans-serif">p:(773) 834-1757</font></i></div><div><i><font face="arial, helvetica, sans-serif">f: (773) 357-6970</font></i></div><div><b><i><a href="mailto:mmarre@ttic.edu" target="_blank"><font face="arial, helvetica, sans-serif">mmarre@ttic.edu</font></a></i></b></div></div></div></div></div></div></div></div></div></div></div></div></div></div></div></div></div>