10月31日,，應(yīng)數(shù)學(xué)與信息科學(xué)學(xué)院邀請(qǐng)，復(fù)旦大學(xué)數(shù)學(xué)科學(xué)院教授,、博士生導(dǎo)師魏益民教授做客數(shù)學(xué)與信息科學(xué)學(xué)院“牧野格致”為學(xué)院師生作題為“COSEPARABLE NONNEGATIVE TENSOR FACTORIZATION WITH T-CUR  DECOMPOSITION”的學(xué)術(shù)報(bào)告,，相關(guān)專業(yè)教師和研究生30余人參加了此次報(bào)告。報(bào)告由數(shù)學(xué)與信息科學(xué)學(xué)院崔魯賓教授主持,。

在本次報(bào)告中,，魏益民教授首先從非負(fù)矩陣分解開始介紹，非負(fù)矩陣分解（NMF）是一種重要的無監(jiān)督學(xué)習(xí)方法,，用于從數(shù)據(jù)中提取有意義的特征,。然而，在現(xiàn)實(shí)世界中,，數(shù)據(jù)更自然地表示為多維數(shù)組,，如圖像或視頻。NMF在高維數(shù)據(jù)中的應(yīng)用涉及矢量化,，這有可能失去基本的多維相關(guān)性,。為了保持這些固有的相關(guān)性，轉(zhuǎn)向張量（多維數(shù)組）并利用張量t積創(chuàng)建了非負(fù)張量因式分解（NTF）,。緊接著,，魏益民教授驗(yàn)證了t-CUR抽樣理論，并將其與張量離散經(jīng)驗(yàn)插值方法（t-DEIM）相結(jié)合,，引入了一種替代的隨機(jī)指數(shù)選擇過程,，并在面部分析數(shù)據(jù)集上進(jìn)行了測(cè)試得到了優(yōu)異的結(jié)果。

報(bào)告結(jié)束后,，魏益民教授與參會(huì)師生進(jìn)行了互動(dòng),，對(duì)學(xué)生老師的提問進(jìn)行了積極的回答，并給出了未來發(fā)展的方向,，就研究生的學(xué)習(xí)給出了建設(shè)性的建議,。本次報(bào)告內(nèi)容豐富，現(xiàn)場(chǎng)氣氛熱烈,，給了與會(huì)師生很多思考和啟發(fā),，使與會(huì)教師和研究生受益匪淺。

專家簡(jiǎn)介：

魏益民,，復(fù)旦大學(xué)數(shù)學(xué)科學(xué)院教授,、博士生導(dǎo)師。主要從事矩陣,、張量方面的理論和應(yīng)用研究,，多次主持國(guó)家自然科學(xué)基金面上項(xiàng)目、教育部博士點(diǎn)基金項(xiàng)目和973子課題等項(xiàng)目,，獲得上海市科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng),。擔(dān)任國(guó)際學(xué)術(shù)期刊Computational and Applied Mathematics，Journal of Applied Mathematics and Computing,，F(xiàn)ILOMAT,，《高校計(jì)算數(shù)學(xué)學(xué)報(bào)》的編委。在國(guó)際學(xué)術(shù)期刊Math. Comput.,，SIAM J. Sci. Comput.,，SIAM J. Numer Anal.，SIAM J. Matrix Anal. Appl.,，IEEE Trans. Auto. Control,，IEEE Trans. Neural Network Learn. System，Neurocomputing和Neural Computation等發(fā)表論文150余篇,；在EDP Science,，Elsevier，Springer,，World Scientific和科學(xué)出版社等出版英語專著5本,。5次入選愛思唯爾“中國(guó)高被引學(xué)者”榜單。

（數(shù)學(xué)與信息科學(xué)學(xué)院 郭貴良 崔魯賓）