6月4日，應數(shù)學與統(tǒng)計學院的邀請，西安交通大學林紹波教授線上為我院師生作題為“Integral Operator Approaches for Scattered Data Analysis on Spheres”的學術報告。數(shù)學與統(tǒng)計學院師生共十余人參加此次報告。

本次報告聚焦球面散亂數(shù)據(jù)擬合問題。林老師研究了若干基于核的算法在含噪數(shù)據(jù)逼近中的性能，其中噪聲可能為無界隨機噪聲。在理論分析方面，開發(fā)了一種積分算子方法，該方法可視為散亂數(shù)據(jù)擬合領域廣泛使用的采樣不等式方法與賦范集方法的拓展。通過建立算子差與求積法則的等價關系，成功實現(xiàn)了以下突破：推導出算子差的緊致界、給出算法的顯式算子表示、獲得最優(yōu)誤差估計。最后通過數(shù)值實驗進一步驗證了算法的優(yōu)良性能。

報告結束后，林老師對師生提出的相關問題進行了積極的回答，開拓了在場學生的科研視野，受益匪淺。

專家簡介：

林紹波，西安交通大學管理學院，教授、博士生導師。研究方向為函數(shù)逼近論、分布式學習理論、深度學習理論及強化學習理論。在應用數(shù)學頂級期刊ACHA、SINUM、SISC及機器學習頂級期刊JMLR，TPAMI，TIT等發(fā)表論文70余篇。主持或以核心骨干參與國家級課題11項。

（數(shù)學與統(tǒng)計學院 耿欣欣 李海鋒）