学术报告
一、报告题目：BOUNDS OF STAR DISCREPANCY FOR GRID-BASED SAMPLING WITH NOISE
报告人：冼军（中山大学）
报告时间：2021年5月25日（星期二）下午15:00-17:00
报告地点：数学与统计学院学术报告厅（25教14楼报告厅）
参加人员：本科生、研究生、教师
主办单位：数学与统计学院
摘要：In this talk, we focus on estimating classical star discrepancy for sampling with independent and bounded noise under isometric grid partition. On the one hand, comparing with the use of crude Monte Carlo point set, our explicit upper bound of probabilistic star discrepancy for randomly noise-corrupted samples is improved. On the other, convergence order of theoretical probabilistic star discrepancy is improved from $O(N^{-1/2}$ to $O(N^{-1/2-1/2d}$. Furthermore, an explicit star discrepancy bound for deterministic grid-based shift noise is obtained. In the end, our results are confirmed by some numerical simulations. Joint work with Xiaoda Xu.
报告人简介：冼军，男，中山大学数学学院教授，博士生导师，优秀青年基金获得者。2004年毕业于中山大学数学系，获理学博士学位，研究方向为小波分析及信号处理。2004-2006年进入浙江大学数学系进行博士后研究工作，2006年至今在中山大学任教，2006年晋升为副教授，2007年获硕士研究生导师资格。2005-2006年在香港城市大学电子工程系访问。2008年4月至7月在南开大学陈省身数学研究所访问。2009年2月至2010年2月在美国YALE大学访问。2010年8月至2010年9月在加拿大Alberta大学访问。2010年入选广东省“千百十”人材工程培养计划。目前在中山大学数学系，主要从事小波分析理论、采样理论、生物信息学等方面的研究工作。已发表论文十余篇，部分结果已获得同行们的关注。曾作为项目负责人主持过中国博士后科学基金、国家自然科学基金数学天元基金、广东省自然科学基金博士启动项目，现作为项目负责人主持国家自然科学基金青年基金、教育部留学回国人员科研启动基金等。
二、报告题目：不完备大数据表示学习研究进展
报告人：罗辛（中科院重庆绿色智能技术研究所）
报告时间：2021年5月25日（星期二）下午15:00-17:00
报告地点：数学与统计学院学术报告厅（25教14楼报告厅）
参加人员：本科生、研究生、教师
主办单位：数学与统计学院
摘要：大数据应用中常见大规模不完备数据，如大规模高维网络、大规模不完备张量、属性异质信息网络等；其中蕴含丰富的知识与模式，如潜在链路、节点集簇、时变态势等。对大规模不完备数据进行表示学习，是实现知识发现和模式挖掘的基础。本报告将简要介绍报告人课题组近期针对不完备大数据表示学习理论、方法和应用开展研究的相关进展，并着重介绍在免超参优化问题上的相关工作。
报告人简介：罗辛，研究员，博士生导师，中国科学院重庆绿色智能技术研究大数据挖掘与应用中心副主任、大数据智能计算重庆市重点实验室执行主任。学术研究聚焦大数据智能计算领域不完备数据表征学习方向，在IEEE T. KDE、CYB、NNLS、SC、SMC-Systems、ASE等国际期刊和WWW、ICDM、IJCAI等国际会议上发表学术论文140余篇（SCI检索>100篇，其中计算机领域权威IEEE汇刊论文62篇、ESI高被引论文14篇），累计影响因子>500，Web of Science统计引用>2700次，谷歌学术统计引用>4100次。获国家发明专利授权23项、实现19项授权专利的成果转化，累积产生经济效益超过8000万元。先后主持国家级项目5项，省部级项目10余项，累积负责科研经费超过4000万元。获国家高层次人才特殊支持计划、中国科学院高层次人才计划、重庆市杰出青年基金等人才项目支持。获重庆市自然科学一等奖（2019/排名1）、重庆市科技进步一等奖（2018/排名2）、中国人工智能学会吴文俊人工智能科技进步一等奖（2018/排名3）等科技奖励。目前担任中国科技期刊卓越行动计划重点类和SCI JCR一区期刊IEEE/CAA Journal of Automatica Sinica的预审编辑和副编辑、SCI JCR一区期刊Neurocomputing的副编辑。
三、报告题目：Binary Sparse Signal Recovery with Binary Matching Pursuit
报告人：温金明（暨南大学）
报告时间：2021年5月25日（星期二）下午15:00-17:00
报告地点：数学与统计学院学术报告厅（25教14楼报告厅）
参加人员：本科生、研究生、教师
主办单位：数学与统计学院
摘要：In numerous applications from communications and signal processing, we often need to acquire a $K$-sparse binary signal from sparse noisy linear measurements.
In this talk, we first develop an algorithm called Binary Matching Pursuit (BMP) to recover the $K$-sparse binary signal. According to whether the residual vector is explicitly formed or not at each iteration, we develop two implementations of BMP which are respectively called explicit BMP and implicit BMP. We then analyze their complexities and show that, compared to the Batch-OMP, which is the fastest implementation of OMP, the improvements of the explicit and implicit BMP}algorithms are respectively $n/(2K)$ and $K$ times when some quantities are pre-computed. Finally, we provide sharp sufficient conditions of stable recovery of the support of the sparse signal using mutual coherence and restricted isometry property of the sensing matrix.
报告人简介：温金明，暨南大学教授、博导、青年珠江学者；2015年6月毕业于加拿大麦吉尔大学数学与统计学院，获哲学博士学位。从2015年3月到2018年9月，温博士先后在法国科学院里昂并行计算实验室、加拿大阿尔伯塔大学、多伦多大学从事博士后研究工作。他的研究方向主要是整数信号和稀疏信号恢复的算法设计与理论分析。他以第一作者/通讯作者在Applied and Computational Harmonic Analysis、IEEE Transactions on Information Theory、IEEE Transactions on Signal Processing等顶级期刊和会议发表近40篇学术论文。
