10月31日,，應(yīng)數(shù)學(xué)與信息科學(xué)學(xué)院邀請,，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)報告,，相關(guān)專業(yè)教師和研究生30余人參加了此次報告,。報告由數(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,，魏益民教授驗證了t-CUR抽樣理論,，并將其與張量離散經(jīng)驗插值方法（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)行了測試得到了優(yōu)異的結(jié)果,。
報告結(jié)束后，魏益民教授與參會師生進(jìn)行了互動,，對學(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,。本次報告內(nèi)容豐富,，現(xiàn)場氣氛熱烈，給了與會師生很多思考和啟發(fā),，使與會教師和研究生受益匪淺,。
專家簡介：
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,，多次主持國家自然科學(xué)基金面上項目,、教育部博士點(diǎn)基金項目和973子課題等項目，獲得上海市科學(xué)技術(shù)獎二等獎,。擔(dān)任國際學(xué)術(shù)期刊Computational and Applied Mathematics,，Journal of Applied Mathematics and Computing，F(xiàn)ILOMAT,，《高校計算數(shù)學(xué)學(xué)報》的編委,。在國際學(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）
