行知论坛194:数据的非高斯建模与分析

时间:2018-11-11浏览:58设置

行知论坛 第194


报告时间:20181115日(周四)下午 250

报告地点:计算机学院4001


报告题目:数据的非高斯建模与分析

报 告 人:马占宇 北京邮电大学副教授

邀 请 人:杨健 教授


报告简介:非高斯是一种泛在的数据分布形态。现实应用中所产生数据,有着与高斯分布截然不同的特性,这些数据服从非高斯(non-Gaussian)分布。虽可采用基于高斯分布假设、线性变换等传统的思路对此类数据进行建模与分析,但此思路缺乏对数据分布非高斯特性高效的、可靠的、准确的描述,从而影响实际应用中的性能。如何充分利用非高斯分布数据的统计特性,探索有别于传统高斯建模的思路,揭示数据分布与模型之间的内在关联规律,实现“数据的非高斯建模与分析”,是人工智能与计算机应用领域亟待解决的重要问题之一。报告人致力于“数据的非高斯建模与分析“的研究,针对概率模型构建时估计算法计算量大、最优特征提取时线性变换方法不适用和数据跨域融合时多源异构信息交互融合困难等挑战,提出了:1)非高斯概率模型高效贝叶斯估计的扩展变分法,2)非高斯分布数据的低秩表示与特征提取框架,3)非高斯分布数据的分析与跨域融合方法,形成了“高效、可靠、准确”的理论框架与技术方法,为解决了上述问题提供了方案。

报告人简介:马占宇,瑞典皇家理工学院博士、博士后,现任北京邮电大学副教授、博士生导师,丹麦奥尔堡大学兼职副教授、博士生导师,IEEE高级会员,中国计算机学会(CCF)高级会员、计算机视觉专委会委员、副秘书长,中国计算机学会大数据专委会通信委员;主要研究方向是模式识别与机器学习及其在非高斯概率模型、大数据建模与分析、多媒体信号处理、生物医学信号处理、生物信息学等领域的应用。共在包括IEEE TPAMI在内的顶级国际期刊和会议上发表论文70多篇,担任IEEE Trans on Vehicular Technology 编委(Editor)、IEEE ACCESS副编委(Associate Editor)、NEUROCOMPUTING编委(Editoral Board Member)、国际学术会议SPLINE2016技术委员会联合主席(Technical Co-chair)、IEEE MLSP2018大会联合程序主席(Program Co-Chair)及多个期刊和会议的审稿人,获授权发明专利12项,相关技术被应用于多个实际系统中;主持包括国家自然科学基金、教育部、北京市自然科学基金在内的多个项目;荣获2017年度“第七届吴文俊人工智能科学技术奖”一等奖(第一完成人),2017年度“北京市科学技术奖”二等奖(第三完成人),第十四届北京青年优秀科技论文一等奖(第一作者),国际会议IEEE IC-NIDC最佳论文奖(通信作者),入选2017年度“北京市科技新星”计划。



返回原图
/