Non-Convex Methods for Low-Rank Matrix Reconstruction

演讲人Speaker：蔡剑锋   （香港科技大学）

题目Title: Non-Convex Methods for Low-Rank Matrix Reconstruction

时间Date：2017年3月10日       Time：13:30

地点Venue：A栋413

内容摘要Abstract： 

We present a framework of non-convex methods for reconstructing a low rank matrix from its limited information, which arises from numerous practical applications in machine learning, imaging, signal processing, computer vision, etc. Our methods will be applied to several concrete example problems such as matrix completion, phase retrieval, and spectral compressed sensing with super resolution. We will also provide theoretical guarantee of our methods for the convergence to the correct low-rank matrix.

个人简介(About the speaker):

蔡剑锋是香港科技大学数学系副教授。他于2000年本科毕业于复旦大学数学系，并于2007年在香港中文大学获数学博士学位。在2015年加入港科大之前，蔡剑锋先后在新加坡国立大学(Natioanl University of Singapore)，美国加州大学洛杉矶分校(UCLA)，以及美国爱荷华大学(University of Iowa)工作。蔡剑锋的研究方向为计算与应用调和分析，及其在成像科学与数据科学中的应用。