10月21日下午，应数学与信息科学学院邀请，北京应用物理与计算数学研究所谌稳固研究员和西南大学王建军教授在数学南楼103分别为学院师生作了题为“Stable image reconstruction by TV type methods”和“Low-Rank High-Order Tensor Completion with Applications in Visual Data”的报告，相关专业教师和硕士研究生20余人参加此次研讨会。
谌稳固研究员通过TTV最小化模型建立了从压缩测量中恢复鲁棒图像的最佳误差界限，最高可达对数因子，并且与总变异（TV）最小化进行了比较，给出了基于RIP的条件保障。图像重建的数值结果证明了我们的理论结果，并说明了TTV最小化模型在现有方法中的效率。报告结束后，谌稳固研究员对师生提出的相关问题进行了细致地解答，师生们受益匪浅。
王建军教授提出现有的研究主要集中在三阶张量上，而d（d ≥ 4）阶张量在实际应用中很常见，如四阶彩色视频、五阶光场图像和六阶双向纹理函数。为了解决这一关键问题，本次报告通过提出一种新的阶d-t-SVD代数基础，从而以压倒性的概率实现了对任何d阶张量的精确重构。报告结束后，王建军教授对师生提出的相关问题进行了细致的解答，师生们受益匪浅。
专家简介：
谌稳固，北京应用物理与计算数学研究所研究员，博士生导师，主要从事调和分析、压缩感知、机器学习的理论及应用研究，在IEEE Transactions on Information Theory, Applied and Computational Harmonic Analysis，Inverse Problems, SIAM Journal on Imaging Sciences, Journal of Machine Learning等学术期刊发表科研论文70余篇。
王建军，博士，西南大学教授（三级），博士生导师，重庆市学术带头人，重庆市创新创业领军人才，巴渝学者特聘教授，重庆工业与应用数学学会、运筹学会副理事长，CSIAM全国大数据与人工智能专家委员会委员，美国数学评论评论员，曾获重庆市自然科学奖。主要研究方向为：高维数据建模、机器学习（深度学习）、数据挖掘、压缩感知、张量分析、函数逼近论等。在神经网络（深度学习）逼近复杂性和高维数据稀疏建模等方面有一定的学术积累。主持国家自然科学基金5项，教育部科学技术重点项目1项，重庆市自然科学基金1项，主研8项国家自然、社会科学基金，参与国家重点基础研究发展‘973’计划一项；现主持国家自然科学基金面上项目1项， 多次出席国际、国内重要学术会议，并应邀做大会特邀报告30余次。已在IEEE TPAMI（5），IEEE TIT，IEEE TIP, IEEE TNNLS（3），ACHA（2），PR，INF SCI, Inverse Problems, AAAI，ACM MM，Neural Networks, Signal Processing(2), IEEE SPL(3), JCAM, ICASSP，中国科学（A,F辑）(4),数学学报，计算机学报，电子学报（3）等知名专业期刊发表100余篇学术论文，IEEE等系列刊物，NSR，SP，NN，PR，中国科学，计算机学报，电子学报，数学学报等知名期刊审稿人。
（数学与信息科学学院 魏晓君 李海锋）
