报告人：张雄军 副教授（华中师范大学）
报告时间：2024年04月29日（周一）下午14:00---15:00
报告地点：腾讯会议 471-315-362 （会议密码 240429）
报告摘要：Tensor decomposition is a powerful tool for extracting physically meaningful latent factors from multi-dimensional nonnegative data, and has been an increasing interest in a variety of fields such as image processing, machine learning, and computer vision. In this talk, we propose a sparse nonnegative Tucker decomposition and completion approach for the recovery of underlying nonnegative data under incompleted and generally noisy observations. Here the underlying nonnegative data tensor is deco
报告人简介：
张雄军, 华中师范大学数学与统计学学院副教授，博士生导师. 2017年博士毕业于湖南大学, 2015年-2016年香港浸会大学博士交换生，2020年-2021年香港大学博士后，2019年获湖南省优秀博士学位论文. 主持国家自然科学基金面上项目、青年基金项目，湖北省自然科学基金青年项目等. 主要研究领域包括图像处理和张量优化, 目前已在包括 IEEE TPAMI, IEEE TIT, IEEE TNNLS, SIAM J. Imaging Sci., SIAM J. Sci. Comput., Appl. Comput. Harmon. Anal., Inverse Problems等期刊发表论文近30篇。
