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:


讲座人:尚凡华

讲座时间:2019.1.17

地点:长安校区 文津楼3523

 

ABSTACT:  Large-scale matrix estimation and analytics plays an important role in many fields of research. This talk presents new scalable Schatten quasi-norm minimization formulations for low-rank matrix recovery and completion. We prove that our models require significantly fewer observations than traditional nuclear norm solvers. We also show many applications of our formulations for recommended system, text removal from images, subspace segmentation, image inpainting, and video surveillance.

 

尚凡华,男,1979年生,西安电子科技大学,人工智能学院教授/博士生导师, 大数据与机器学习研究中心主任,华山菁英人才计划的入选者。于2012年获西安电子科技大学博士学位,2015年获得陕西省优秀博士学位论文奖;并先后在美国杜克大学和香港中文大学从事博士后(三年多)及副研究员(两年)的研究工作。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、深度学习等。近5 年来,在国际期刊与国际会议发表科研论文40余篇,已在TPAMITNNLSTKDE等顶级期刊和ICMLNIPSKDDAAAIVLDB等顶级国际会议上发表学术论文50余篇。