首页
  
学术报告377:三维数据的稀疏和深度学习

发布日期: 2017/12/11  投稿: 李成范    部门:    浏览次数: 542   返回


 

报 告 人: 刘利刚 教授 [中国科学技术大学]

报告时间: 2017年12月 15日(周五)9:30~11:00

报告地点: 校本部东区计算机大楼1001室

邀 请 人: 张景峤 副教授

 

报告摘要:

稀疏表示(Sparse coding)是近几年信号处理领域的热点之一。稀疏性的研究源自于新的采样理论-压缩感知(Compressed sensing)的发展,压缩感知是香农采样理论的一种替代,其利用信号本身是稀疏的这一先验,通过建立采样和稀疏的直接联系。压缩感知在大量的科学领域,如编码和信息论,信号和图像采集处理,医学成像,及地理和航天数据分析等都得到应用。本报告将介绍我们使用稀疏表达和稀疏优化在三维几何建模和处理中的系列工作,后面也将介绍在三维数据上使用深度学习方面的部分工作。

 

报告人简介:

刘利刚,中国科学技术大学教授,博士生导师,中国科学院“百人计划”。于2001年在浙江大学获得应用数学博士学位;2001年至2004年期间在微软亚洲研究院工作;2004年至2011年期间在浙江大学数学系工作。2009年至2011年期间,在美国哈佛大学进行学术访问研究。研究兴趣包括计算机图形学,3D几何建模与处理,3D打印中的几何优化等。主持国家自然科学基金项目5项,2012年获得国家自然科学“优秀青年基金”项目,2013年获得国家自然科学奖二等奖。国际会议GMP 2017大会共同主席,SPM 2014, SGP 2015, CVM 2016, CAD/Graphics 2017, GMP 2018的论文共同主席。学术期刊IEEE TVCG, IEEE CG&A, CGF, CAGD, The Visual Computer及《软件学报》编委。研究主页为:http://staff.ustc.edu.cn/~lgliu。