清華戴瓊海研討組論文被IEEE會(huì)刊選作亮點(diǎn)文章 -編號(hào):JK506df

2015-02-26 12:09 來源：http://m.elinglong.com/ 閱讀：次

清華消息網(wǎng)9月17日電近日，清華大學(xué)主動(dòng)化系戴瓊海教學(xué)課題組于2013年3月在信息處置跟智能計(jì)算范疇國(guó)際頂級(jí)期刊IEEE神經(jīng)網(wǎng)絡(luò)及智能體系會(huì)刊（IEEE Transactions on Neural Networks and Learning Systems)發(fā)表的題為《非凸啟示下的低秩構(gòu)造感知》（Low Rank Structure Learning via Non-convex Heuristic Recovery）的論文被IEEE神經(jīng)網(wǎng)絡(luò)及智能系統(tǒng)會(huì)刊選作2013年第一季度的亮點(diǎn)文章。該論文還被IEEE智能計(jì)算協(xié)會(huì)會(huì)刊IEEE智能計(jì)算雜志（IEEE Computational Intelligence Magazine）在2013年度第二季度的季刊上以智能盤算協(xié)會(huì)亮點(diǎn)（CIS Publication Spotlight）的情勢(shì)專門撰文推舉。

　　針對(duì)這一理論難點(diǎn)，戴瓊海傳授領(lǐng)導(dǎo)博士研討生鄧岳繚繞矩陣結(jié)構(gòu)感知與重構(gòu)問題，提出了一種非凸感知算法，揭示了該框架下非凸函數(shù)迫近零范數(shù)的理論極限，并定義了算法的收斂解。比擬于經(jīng)典理論系統(tǒng)下“凸”的緊縮感知，“非凸感知”能夠從更少的采樣，更大的噪聲下更精準(zhǔn)地恢復(fù)信號(hào)。該實(shí)踐結(jié)果尤其實(shí)用于海量數(shù)據(jù)的感知與重構(gòu),清華大學(xué)研修班，并可被利用解決核磁共振成像、無人機(jī)視覺、計(jì)算光學(xué)以及衛(wèi)星遙感信息處理等實(shí)際問題。

圖為亮點(diǎn)文章首頁。

供稿：自動(dòng)化系編纂：范麗

該論文提出，根據(jù)經(jīng)典香農(nóng)信息論，信號(hào)的精準(zhǔn)恢復(fù)須要兩倍以上的采樣頻率。然而，在壓縮感知的框架下，這一理論極限卻可以通過優(yōu)化的手腕被勝利沖破。環(huán)繞壓縮感知，國(guó)際上現(xiàn)有的理論成果多借助于凸優(yōu)化在一范數(shù)的結(jié)構(gòu)下對(duì)稀少信號(hào)進(jìn)行恢復(fù)。然而，從數(shù)學(xué)本質(zhì)上，一范數(shù)并不是對(duì)描繪信號(hào)稀疏實(shí)質(zhì)的零范數(shù)（NP難）的最優(yōu)迫臨。

清華戴瓊海研究組報(bào)道log-sum壓縮感知方式論文被IEEE會(huì)刊選作亮點(diǎn)文章

包含IEEE智能計(jì)算協(xié)會(huì)的主席，英國(guó)愛丁堡大學(xué)西蒙·盧卡斯（Simon Lucas）教授在內(nèi)的諸位專家指出非凸感知算法可解決眾多極其前提下的信號(hào)重構(gòu)及表現(xiàn)問題。破體視頻國(guó)際會(huì)議（3DTV）國(guó)際大會(huì)會(huì)議主席奧紐若（Levent Onural）以及美國(guó)喬治亞理工大學(xué)阿爾雷吉布（Ghassan Al-Regib）教授撰文先容這項(xiàng)工作的應(yīng)用成果時(shí)指出，非凸矩陣感知算法在三維信號(hào)重建中的有效運(yùn)用，為傳統(tǒng)計(jì)算機(jī)圖形學(xué)發(fā)展揭示了一個(gè)新的可行方向。