报告主题：高维不完备张量表示学习模型的初步研究

报 告 人：罗辛

报告时间：2022年11月6日 上午8：00

报告网址：#腾讯会议：583-481-737

报告摘要：

  高维不完备张量是描述物理社会中大量节点间复杂交互的常用数据结构，如本研究中聚焦的大规模城域网节点通信。对其进行精确、高效的表示学习，是开展后续知识发现和模式识别的重要前提。在本项研究中，我们运用张量CP分解原理，对三阶高维不完备张量表示学习模型进行了初步研究，提出了BNLFT和ANLT等模型，能实现对三阶高维不完备张量的高效和准确表示学习。相关文章发表在IEEE T. PAMI、IEEE T. KDE等期刊上。

报告人简介：

  罗辛，工学博士、博士后，中国科学院重庆绿色智能技术研究院研究员。聚焦数据科学领域图学习方向，在IEEE T. PAMI、IEEE T. KDE、IEEE T. NNLS等国际期刊和WWW、ICDM等国际会议上发表学术论文200余篇（含IEEE Transactions/Journal论文96篇、ESI高引论文24篇），累计影响因子超过1000，Web of Science统计引用超过4000次，谷歌学术统计引用超过7400次，H指数为54。先后主持国家级项目5项，省部级项目10余项，累积负责科研经费超过5000万元。获国家发明专利授权35项、实现27项授权专利的成果转化，累积产生经济效益超过1亿元。获重庆市自然科学一等奖（2019/排名1）、重庆市科技进步一等奖（2018/排名2）、中国人工智能学会吴文俊人工智能科技进步一等奖（2018/排名3）等科技奖励。担任中国科技期刊卓越行动计划重点类期刊IEEE/CAA Journal of Automatica Sinica、国际期刊IEEE Transactions on Neural Networks and Learning Systems的副编辑，获得IEEE/CAA Journal of Automatica Sinica的2020年度杰出副编辑奖。