题目一：Optimal RIP Bounds and Its Applications in Compressed Sensing

内容简介：In this talk, I shall introduce some optimal RIP bounds for sparse signal recovery. In particular, a conjecture was confirmed for optimal RIP bound. Furthermore, I shall investigate some generalizations for this RIP concept.

报告人：浙江大学  李松  教授

报告人简介：特聘教授，博士生导师。目前担任中国数学会理事、浙江省数学会副理事长等职务。研究方向包括；压缩感知理论、低秩矩阵恢复理论、相位恢复理论以及盲卷积理论等。曾获得教育部自然科学二等奖（第一完成人），主持了包括国家自然科学基金重点项目以及浙江省重大科技专项的基金项目。到目前为止在国际主流期刊发表了80余篇学术论文，其中包括国际应用数学重要期刊《Applied and Computational Harmonic Analysis》以及国际信息理论顶级期刊《IEEE Transactions on Information Theory》等。曾在《亚洲逼近论会议》做特邀报告以及在《第七届世界华人数学家大会》做45分钟邀请报告等。曾担任国家自然科学基金重点与面上项目会评专家。

题目二：稀疏优化等价模型的统一框架理论

内容简介：An exact phase-retrievable frame $/{f_{i}/}_{i}^{N}$ for an $n$-dimensional Hilbert space is a phase-retrievable frame that fails to be phase-retrievable if anyone element is removed from the frame. Such a frame could have different lengths. We shall prove that for the real Hilbert space case,  exact phase-retrievable frame of length $N$ exists for every $2n-1/leq N/leq n(n+1)/2$. For arbitrary frames  we introduce the concept of redundancy with respect to its phase-retrievability and the concept of frames with exact PR-redundancy.

报告人：广州大学  彭济根  教授

报告人简介：1998年毕业于西安交通大学，获计算数学专业理学博士学位。1992年7月至2017年在西安交通大学工作，2014年聘为二级教授。2017年入职广州大学数学与信息科学学院。长期在非线性泛函分析、稀疏信息处理、小目标运动检测，深地探测的反常扩散理论与方法等领域从事数学与交叉学科研究，聚焦于运用和发展深刻的数学理论与方法，着力解决信息处理与深地探测中的核心基础问题。迄今为止，在国内外期刊上发表学术论文184余篇，其中被SCI收录144篇；主持包括国家自然科学基金重点项目在内的基金项目15项、欧盟Marie Curie Actions计划与2020地平线计划项目4项。研究成果被SCI论文引用近2000篇次，单篇最高引用118篇次。2006年入选教育部新世纪优秀人才支持计划，2013年入选国家百千万人才工程，并被授予“有突出贡献中青年专家”称号，2014年入选国务院政府特殊津贴专家。曾任2006-2012教育部数学基础课程教学指导委员会秘书长，2013-2018教育部数学专业教学指导委员会委员，第五、第六届全国大学生数学建模竞赛组委会委员，第十二届陕西省数学会理事长，西安交通大学数学与统计学院首任院长。现任国务院学位委员会第七届数学学科评议组成员、中国数学会常务理事兼学术交流工作委员会副主任、第七届全国大学生数学建模组委会委员、第十三届陕西省数学会理事长，广东省本科高校数学类专业教学指导委员会副主任，广东省普通高校数学与交叉科学重点实验室主任。

题目三：The performance of quadratic models for phase retrieval

内容简介：Phase retrieval is an active topic recently. A popular model for phase retrieval is a quadratic model. A lot of numerical experiments show that the quadratic model has excellent performance. However, there are very few theoretical results about the performance of the model. Using tools from compressed sensing and probability theory, we study the performance of the model. We also compare the performance of the quadratic model with one of least square.

报告人：中国科学院数学与系统科学研究院  许志强  研究员

题目四：平稳随机场上的Shannon熵与信息重要性度量

内容简介：信息论之父Shannon利用数学理念创立了新的学科，改变了人类的通信方式，方便了人们的生活。其中Shannon采样定理和Shannon熵是大家熟知的概念。Shannon采样定理是调和分析的一个应用，Shannon熵是借助离散型随机变量定义的一种特殊随机变量函数的期望。随机场是静态随机变量的动态推广，应用广泛。新概念可以用于重新定义Shannon熵，并据此利用随机场借助特殊随机变量的均值函数研究信息重要性度量。

报告人：天津大学  宋占杰  教授

报告人简介：博士导师，天津大学数学学院和电视与图像信息研究所教授，中国电子学会高级会员，中国信息论协会常务理事，中国交叉科学学会常务理事.在《IEEE Trans. Information Theory》《IEEE Trans. Cybernetics》等二十余个国内外核心学术杂志发表论文150余篇. 其中已发表论文60余篇被SCI检索，获得授权专利7项。

题目五：Positive-Definiteness of a Hadamard Product and Its Application in Array Signal Processing

内容简介：Can the element-wise product of two singular and positive-semidefinite matrices be positive definite? How can this be useful in array signal processing? This talk answers these questions.

报告人：西安交通大学  杨在  教授

报告人简介：Zai Yang is a Professor of the School of Mathematics and Statistics, Xi’an Jiaotong University, China. He received the B.Sc. degree in mathematics and M.Sc. degree in applied mathematics from Sun Yat-sen (Zhongshan) University, China, in 2007 and 2009 respectively, and the Ph.D degree in electrical and electronic engineering from Nanyang Technological University (NTU), Singapore, in 2014. He is an IEEE Senior Member and serving on the editorial board of Signal Processing (Elsevier). His research interests include compressed sensing and optimization theory and their applications in signal and information processing, big data analytics, and machine learning. He was awarded the NSFC Excellent Youth Science Foundation Grant in 2019.

题目六：LOW-TUBAL-RANK TENSOR RECOVERY FROM ONE-BIT MEASUREMENT

内容简介：This talk focuses on the recovery of low-tubal-rank tensors from binary measurements under the frame of tensor Singular Value Decomposition. We show that the direction of a tubal-rank-r tensor Xn1*n2*n3  can be approximated from ((n1 + n2)n3r) random Gaussian measurements. In addition, incorporating nonadaptive dither in the measurements, it is proved that the magnitude of X can also be recovered. As we will see, under this nonadaptive measurement scheme, recovery errors decay at the rate of polynomial of the oversampling factor a := m=(n1 + n2)n3r, i.e., O(a^(-1/6)). In order to obtain faster decay rate, we introduce a recursive strategy which generates dithers according to previous estimates for each iteration. Under this quantization scheme, An iterative recovery algorithm is proposed which establishes recovery errors decaying at the rate of exponent of a.  Numerical experiments are conducted to demonstrate our results.

报告人：西南大学  王建军  教授

报告人简介：博士生导师，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，重庆数学会理事，重庆市学术技术带头人，重庆市自然科学奖励三等奖，西南大学数学、统计学博士一级学科学术骨干。2006年12月西安交通大学获理学博士学位，为西安交通大学优秀博士毕业生。2012年6月破格评聘为研究员，2012年8月至2013年8月受国家留学基金委资助在美国Texas A&M大学访问，主要研究方向为：机器学习、数据挖掘、压缩传感、函数逼近论等。在神经网络逼近复杂性和稀疏逼近等方面有一定的学术积累。主持国家自然科学基金4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5项国家自然、社会科学基金；参与国家国家重点基础研究发展‘973’计划一项， 多次出席国际、国内重要学术会议，并应邀做特邀报告15次。 已在 《Applied and Computational Harmonic Analysis》、 《Neural Networks》、 《Signal Processing》、 《IEEE Signal Processing letters》、 《中国科学》、 《数学学报》、 《计算机学报》、 《电子学报》、 《Neurocomputing》等专业期刊发表85篇学术论文，其中SCI、EI检索63余篇。IEEE Trans. Signal Process.、image Process.等系列刊物、 Signal Processing、 Neural Networks、 Pattern Recognization、中国科学、计算机学报等知名期刊审稿人。2011-2018年指导大学生获得统计建模大赛、数学建模、美国数学建模国家一等奖6次，二等奖5次，省部级十余次。指导西南大学学生科技创新团队入选2017年度全国大学生小平科技创新团队，指导国家级大学生创新创业训练计划3次。

时  间：2019年11月22日（周五）下午2：30始

地  点：南海楼338室

热烈欢迎广大师生参加!

网络空间安全学院

2019年11月21日