新利luck在线·（中国）有限公司官网学术活动预告

报告承办单位: 数学与统计学院

报告题目:  Nonconvex Optimization Methods for Robust Tensor Completion from Grossly Sparse Observations

报告内容: In this talk, we consider the robust tensor completion problem for recovering a low-rank tensor image from limited samples and sparsely corrupted observations, especially by impulse noise. We propose and develop a nonconvex model, which minimizes a weighted combination of tubal nuclear norm, the $\ell_1$-norm data fidelity term, and a concave smooth correction term.

报告人姓名:  白敏茹

报告人所在单位: 湖南大学

报告人职称/职务及学术头衔:  教授、博士导师

报告时间:  2020年9月23日（星期三）：20:30-21:30

报告方式:  线上腾讯会议，会议号ID：890-847-928

报告人简介:  白敏茹，湖南大学数学学院教授，博士生导师，担任湖南省运筹学会副理事长、湖南省计算数学与应用软件学会副理事长、中国运筹学会数学优化学会理事，长期致力于最优化理论、方法及其应用研究，近年来主要从事张量优化、低秩稀疏优化及其在图像处理中的应用研究，主持国家自然科学基金面上项目2项和湖南省自然科学基金等项目，取得了系列创新性研究成果，在SIAM Journal on Imaging Sciences、Inverse Problems, Journal of Optimization Theory and Applications, Computational Optimization and Applications, Journal of Global Optimization, Applied Mathematics Letters等高水平学术期刊上发表论文近20余篇，获得2017年湖南省自然科学二等奖（排名第二）