清華戴瓊海研討組論文被IEEE會刊選作亮點文章 -編號:JK506df

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

清華消息網9月17日電近日，清華大學主動化系戴瓊海教學課題組于2013年3月在信息處置跟智能計算范疇國際頂級期刊IEEE神經網絡及智能體系會刊（IEEE Transactions on Neural Networks and Learning Systems)發表的題為《非凸啟示下的低秩構造感知》（Low Rank Structure Learning via Non-convex Heuristic Recovery）的論文被IEEE神經網絡及智能系統會刊選作2013年第一季度的亮點文章。該論文還被IEEE智能計算協會會刊IEEE智能計算雜志（IEEE Computational Intelligence Magazine）在2013年度第二季度的季刊上以智能盤算協會亮點（CIS Publication Spotlight）的情勢專門撰文推舉。

　　針對這一理論難點，戴瓊海傳授領導博士研討生鄧岳繚繞矩陣結構感知與重構問題，提出了一種非凸感知算法，揭示了該框架下非凸函數迫近零范數的理論極限，并定義了算法的收斂解。比擬于經典理論系統下“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地恢復信號。該實踐結果尤其實用于海量數據的感知與重構,清華大學研修班，并可被利用解決核磁共振成像、無人機視覺、計算光學以及衛星遙感信息處理等實際問題。

圖為亮點文章首頁。

供稿：自動化系編纂：范麗

該論文提出，根據經典香農信息論，信號的精準恢復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化的手腕被勝利沖破。環繞壓縮感知，國際上現有的理論成果多借助于凸優化在一范數的結構下對稀少信號進行恢復。然而，從數學本質上，一范數并不是對描繪信號稀疏實質的零范數（NP難）的最優迫臨。

清華戴瓊海研究組報道log-sum壓縮感知方式論文被IEEE會刊選作亮點文章

包含IEEE智能計算協會的主席，英國愛丁堡大學西蒙·盧卡斯（Simon Lucas）教授在內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重構及表現問題。破體視頻國際會議（3DTV）國際大會會議主席奧紐若（Levent Onural）以及美國喬治亞理工大學阿爾雷吉布（Ghassan Al-Regib）教授撰文先容這項工作的應用成果時指出，非凸矩陣感知算法在三維信號重建中的有效運用，為傳統計算機圖形學發展揭示了一個新的可行方向。