当前位置: 网站首页 > 正文
超拉普拉斯分布先验用于稀疏与低秩矩阵学习
作者:    摄影:    发布时间:2019-01-17    阅读:

TR

讲座:尚繁华

讲座时间:2019.1.17

地点:长安校区文锦大厦3523号

ABSTACT:大规模矩阵估计和分析在许多研究领域中发挥着重要作用。本演讲介绍了用于低秩矩阵恢复和完成的新的可扩展Schatten准范数最小化公式。我们证明我们的模型比传统的核范数求解器需要更少的观测值。我们还展示了我们配方的许多应用,用于推荐系统,图像文本删除,子空间分割,图像修复和视频监控。

尚凡华,男,1979年出生,西安电子科技大学,人工智能研究所教授/博士生导师,大数据与机器学习研究中心主任,华山精英人才获奖者程序。他获得了博士学位。 2012年毕业于西安电子科技大学,并于2015年获陕西省优秀博士学位论文奖。他还曾在杜克大学和香港中文大学担任博士后研究员(三年以上)和副研究员(两年)。 。目前的研究领域包括机器学习,人工智能,计算机视觉,数据挖掘和深度学习。在过去的五年中,他在国际期刊和国际会议上发表了40多篇研究论文。他在顶级国际会议上发表了50多篇学术论文,如TPAMI,TNNLS,TKDE和ICML,NIPS,KDD,AAAI,VLDB。

TR