报告题目：统计稀疏表达技术---原理与应用(Statistical Sparsity Based Techniques: Theory and Applications)
报告时间：2017年1月4日（星期三）下午4:20
报告人：赵立凡博士
报告地点：det365官方网站登录216室
个人简介：赵立凡博士，现于新加坡南洋理工大学电气电子工程学院从事压缩感知方向的博士后研究工作。2010年获得西安电子科技大学电子工程工程学院获得本科学位学位；2016年获新加坡南洋理工大学博士学位。在国际权威期刊如IEEE signal Processing Magazine, IEEE Transactions on Wireless Communications, IEEE Transactions on Geoscience and Remote Sensing等发表第一作者SCI论文5篇，发表国际会议文4篇。个人论文引用情况（截至 2016-04-28）：共计被引用208 次，个人 Google Scholar h-index 为7，i10-index 为7。同时担任IEEE Transactions on Signal Processing, IEEE Transactions on Image Processing, IEEE Transactions on Wireless Communications等期刊的审稿人。
报告摘要：统计稀疏表达技术是机器学习和信号处理中一项非常重要的技术，其应用包括压缩感知，特征提取，多任务学习，深度学习等。一方面，统计稀疏表达技术可以便捷地提供估计的不确定性信息，此信息可以用来提高系统的鲁棒性；另一方面，此技术还可以有效避免复杂的超参数调节过程，而是以一种数据驱动的方法来进行估计和推断。因此，相比于传统的稀疏表达技术，统计稀疏表达技术可以获得较好的估计和推断性能。本报告将从理论和应用两方面对统计稀疏表达技术进行总结和综述。
欢迎广大师生积极参加。
信息学院
2017年1月3日