光華講壇——社會名流與企業家論壇第6588期

主題：Trainable Subspaces for Tensor Completion可訓練子空間的張量補全

主講人：電子科技大學 劉翼鵬教授

主持人：計算機與人工智能學院 蔣太翔教授

時間：10月9日 14:00

會議地點：柳林校區經世樓D座新財經綜合實驗室大會議室

主辦單位：計算機與人工智能學院 新財經綜合實驗室 科研處

主講人簡介：

劉翼鵬是電子科技大學信息與通信工程學院教授。他曾在魯汶大學（比利時）、清華大學、臺灣清華大學、華為技術、西南電子技術研究所訪問和工作。他主要從事張量信號處理研究，主持國家自然科學基金項目2項、國家級國防基金1項；發表論文100余篇，撰寫英文專著2本和編著1本，谷歌學術引用2300余次。他的工作獲得IEEE MMSP 2022最佳演示論文獎、首屆川渝科技學術大會優秀論文一等獎，入選斯坦福大學發布的2022年全球前2%頂尖科學家名單。2019年至今擔任《IEEE Signal Processing Letters》編委，《Signal Processing: Image Communication》首席客座編委，《系統工程與電子技術》（英文版）客座編委；在4個國際頂會/IEEE旗艦會議做3小時講習報告（tutorials at IJCAI 2022, ICME 2022, ICIP 2020, SSCI 2020）；2021年獲得IEEE廣播技術協會杰出服務獎；受邀擔任2022-2023年度亞太信號與信息處理年會的杰出講座人。他是IEEE高級會員、中國電子學會高級會員、中國圖象圖形學學會高級會員、中國圖象圖形學學會青年工作委員會委員、中國計算機學會多媒體技術專委會委員。

內容提要：

Coupled tensor decomposition is a powerful technique that allows us to extract both consistent and specific features from multi-modal data. This talk will present a partly coupled tensor decomposition model. Specifically, the tensor is assumed to be composed of two low-rank components where one part of the tensor shares the subspace information with auxiliary data and the other is outside the shared space. The coupled subspaces are trainable by dictionary learning from auxiliary data. We apply this decomposition to tensor completion, and make a quantitative analysis to illustrate the effect of subspace information on sample complexity. Experiments on simulated data are conducted to validate the theoretical analysis on the impact of subspace information. Experiments in two real-world data applications including color image and multispectral image recovery show that the proposed method outperforms state-of-the-art ones in terms of prediction accuracy and computational efficiency.

耦合張量分解是一種強大的技術，它允許我們從多模態數據中提取一致和特定的特征。本次演講將介紹一個部分耦合張量分解模型。具體來說，假設張量由兩個低秩分量組成，其中一部分與輔助數據共享子空間信息，另一部分位于共享空間之外。通過輔助數據的字典學習，可以對耦合子空間進行訓練。我們將這種分解應用到張量補全中，并定量分析了子空間信息對樣本復雜度的影響。在模擬數據上進行實驗，驗證了理論分析中子空間信息的影響。在彩色圖像和多光譜圖像恢復兩個真實數據上的實驗結果表明，所提方法在預測精度和計算效率方面優于現有方法。