深圳市大数据研究院赵云彬研究员学术报告
一、报告题目：A brief Introduction to Sparse Optimization: Algorithm Development
二、报告人：赵云彬教授—深圳市大数据研究院
三、报告时间：2021年5月13日星期四下午4:00
四、报告地点：beat365中文官方网站会议室80602
五、报告摘要：Seeking sparsity becomes a common request in variety of scientific and engineering fields. The sparse optimization is fundamentally essential to the modern theory, algorithms and applications ofcompressive sensing, signal and image processing, statistical learning and so on. This talk will give a brief introduction to sparse optimization, focusing on the algorithm development in data reconstruction/recovery/approximation. Four types of mainstream algorithmic frameworks will be discussed: L1-minimization, nonlinear optimization, hard thresholding and orthogonal matching pursuit as well as their important variants.
六、报告人简介：赵云彬，博士，研究员，2020年3月出任深圳市大数据研究院高级研究科学家。1998年获中国科学院数学与系统科学研究院运筹与控制论博士学位；1999-2002年间分别担任中科院计算数学与科学工程计算、香港中文大学和加拿大菲尔兹数学研究所博士后研究员; 2001-2010年在中国科学院数学与系统科学研究院工作; 2007-2020年在英国伯明翰大学数学学院任教。他长期在应用数学，运筹学，计算优化，信号处理和压缩感知等领域开展研究工作。在稀疏信号处理和压缩感知领域取得了一系列突出成果，如RSP信号重构理论，凸重构算法的一致稳定性理论，对偶稠密化方法，以及最优Thresholding高性能算法等。他发表了65篇学术论文和1本稀疏优化领域的英文专著(Sparse Optimization Theory and Methods, CRC Press, 2018)。他曾担任几个国际数学杂志的编委。
