行知论坛124:稀疏子空间学习模型设计与理论构建的统一化方法

时间:2017-06-14浏览:260设置

时间:616日(周五)上午十点

地点:计算机科学与工程学院 4001会议室


报告人简介:赖志辉(http://www.scholat.com/laizhihui)本科、硕士、博士分别毕业于华南师范大学、暨南大学、南京理工大学。他曾任香港理工大学副研究员、博士后研究员及研究员,并于2011-2013年期间在哈尔滨工业大学深圳研究生院从事博士后研究。他现已发表了60篇学术论文,其中有30篇发表在IEEE Transactions系列权威杂志上,包括多篇IEEE Transactions on Neural Networks and Learning SystemsIEEE Transactions on Image ProcessingIEEE Transactions on Cybernetics。他曾获得2008年中国模式识别最佳大会论文奖与2016年中国生物特征识别大会最佳海报论文奖,并于2015年入选深圳市海外高层次人才孔雀计划。他于2014年起就职于深圳大学计算机与软件学院任副教授,现为特聘研究员,现任国际SCI杂志International Journal of Machine Learning and Cybernetics的编委。

报告主题:稀疏子空间学习模型设计与理论构建的统一化方法

本报告首先介绍稀疏子空间学习、稀疏特征提取与选择的若干理论与方法,进而总结了基于经典鉴别分析方法或流形学习的稀疏回归模型设计思路及其理论分析结果。基于这些模型设计与理论分析的样例,我们给出了一个稀疏子空间学习模型设计与理论分析的通用设计方法与理论框架。以此为基础同,本报告进而在这个框架下给出了一个典型的例子以解释如何设计逼近任意空间的稀疏学习模型并发展相关的理论。本报告不仅是最近几年稀疏鉴别分析理论的总结,还为在校研究生提升其研究的创新性与理论水平,使其能在有限的时间内做出扎实且有深度的基础研究提供高效可行的参考案例。



返回原图
/