4月30日下午，应西南大学海量数据分析团队邀请，温州大学教授，香港城市大学林绍波研究员和西安交通大学王尧副教授为我院师生做学术报告。

林绍波教授进行了题为“Learning theory for distributed learning”的学术报告。林教授首先从应用背景出发点出了研究分布式学习的必要性，然后分别介绍了他们在基于二阶分解、算子集中不等式、半监督学习和通信的分布式学习理论等方面所做的工作。例如获得了带有核岭回归的分布式学习和分布式半监督学习的最优学习率以及利用通信的方式统一了机器分割台数的期望界和概率界。林教授团队在分布式学习理论研究领域所获成果均发表在JMLR, IEEE TPAMI等国际顶级期刊上并受到了同行的广泛关注。

接下来王尧副教授进行了题为“A Fast and Practical Randomized Method for Low-Rank Tensor Approximations”的学术报告。王尧老师首先介绍了张量建模在视频监控、高光谱图像融合和快速核磁共振成像等领域的应用背景。然后结合他们团队近期的实验结果指出现有的张量分解策略，例如Tucker分解、高阶奇异值分解和张量奇异值分解具有计算速度慢、计算代价高等缺点。为了克服这一难题，王尧副教授团队基于著名的Johnson-Lindenstrauss引理，将随机投影和URV思想结合提出了一种新的张量分解方法r-URV，极大地提高了张量分解的速度，同时获得了张量分解误差的期望界，为张量建模方法的进一步应用奠定了基础。

报告会由王建军教授主持。数学与统计学院部分教师、海量数据分析团队全体成员、相关研究生及部分本科生聆听了本次报告。

数学与统计学院 刘佳艺 撰稿