报告题目1：基于截断Frobenius范数的稳健张量补全

报告人：李晓鹏  助理教授  深圳大学

报告时间:   2023年10月20日（星期五）下午14:00-15：00

报告地点:  文理楼290

报告人简介: 李晓鹏于2015年获得燕山大学电子科学与技术学士学位，然后分别于2018和2022年获得香港城市大学电子信息工程硕士学位和电气工程博士学位。2018年到2019年，他在深圳大学信息工程系担任研究助理；2022年到2023年在香港城市大学电气工程系担任博士后研究员。目前，他是深圳大学电子与信息工程学院的助理教授。

        他的研究兴趣包括优化方法、机器学习、稀疏恢复、矩阵处理和张量处理，其应用领域包括目标估计、图像恢复、视频修复、高光谱解混和股票市场分析。发表包括国际权威刊物IEEE T-SP、IEEE T-NNLS、IEEE T-CYB、IEEE T-CSVT等SCI/EI论文20多篇。获国家发明专利授权1项，美国专利授权2项。主持广东省教育厅青年创新人才项目。

报告摘要:  张量补全是指利用低秩结构来恢复给定张量中的缺失元素。大多数现有的算法在高斯噪声或脉冲噪声场景下可以获得出色的性能。一般来说，基于Frobenius范数的方法在加性高斯噪声中具有出色的性能，而在脉冲噪声中，它们的恢复性能严重下降。尽管使用-范数()或其变体的算法在存在异常值的情况下可以获得高的恢复精度，但当噪声呈高斯分布时，它们的性能远不如基于Frobenius范数的方法。因此，人们希望有一种方法既能在高斯噪声条件下表现良好，也能在脉冲噪声条件下表现良好。在这项工作中，我们采用了截断Frobenius范数来抑制异常值。此外，在迭代过程中我们使用归一化中位数绝对偏差策略自动更新截断Frobenius范数的截断阈值。因此，在脉冲噪声条件下，它可以获得比-范数更好的性能；并在高斯噪声条件下获得与Frobenius范数相当的精度。然后，我们采用半二次理论（half-quadratic theory）将这个非凸问题转化为一个易处理的多变量问题，即，对每个单独的变量都是凸优化。为了解决所得到的任务，我们利用近似块坐标下降法，然后建立了算法的收敛性。具体来说，目标函数值保证收敛，而变量序列有一个子序列收敛到一个驻点（stationary point）。基于图像和视频的实验结果显示，我们的方法在恢复性能方面优于当前最好的算法。

报告题目2：基于隐层Embedding共享和联邦张量分解的知识图谱补全

报告时间:  2023年10月20日（星期五）下午15:00-16:00

报告地点:   文理楼290

报告摘要:  知识图谱(KGs)由三元组组成，本质上是不完整的，总是需要完成程序来预测缺失的三元组。由于现实场景中出于隐私保护机制，KGs分布在不同的客户端，使完成任务变得更加复杂。然而，现有的解决联合知识图谱完成问题的框架均存在一定的缺陷。例如，FedE存在信息泄露的风险，FedR在关系之间几乎没有重叠时优化效果下降，而FKGE存在计算成本和模态崩溃的问题。为了解决上述问题，我们提出了联合潜在嵌入共享张量分解(FLEST)。该方法使用联合张量分解进行KG完成的新方法,通过分解嵌入矩阵，并允许共享潜在字典嵌入以降低隐私风险。实证结果证明了FLEST的有效性和效率，提供了在性能和隐私之间取得平衡的解决方案。

邀请人：计算数学系施章磊