报告人：丁宏强 香港中文大学 (深圳) 教授

报告时间: 6月26日 (星期一) 上午10:00

讲座地点: 1066vip威尼斯下载信息学院智慧展厅2102

报告摘要:

机器学习使用许多数学结构来解决现实生活中的问题。非负矩阵分解相关模型已广泛应用于文本挖掘、生物信息学、知识转移、推荐系统、半监督和无监督学习。基于L21矩阵范数的模型广泛应用于鲁棒数据恢复和特征选择，迹范数广泛应用于低秩子空间的提取和分析。报告将对这些数学结构、方法进行分析，并解释其在现实生活中的应用。

 报告人简介:

丁宏强教授是香港中文大学(深圳) 数据学院校长讲座教授。在哥伦比亚大学李政道教授研究小组求学，获博士学位。曾经工作于加州理工学院，研究成果被Nature杂志主编撰文高度评价，研究成果在Science杂志作为封面文章。曾经长期工作于喷气动力实验室、劳伦斯-伯克利国家实验室、德州大学。研究领域包括数据挖掘、机器学习、信息检索、高性能计算等，在低秩、降维、非负矩阵分解、谱聚类等做了开创性的工作，国际上第一次提出矩阵L21范数概念。已发表200余篇高水平论文，被引用64000余次，H指数100。斯坦福大学发布2022年全球前2%顶尖科学家，在人工智能领域世界排名133。曾接受人民日报专访并发报道《海飘30载，难忘初心》。