学术报告：王超 副研究员 （南方科技大学）

主讲人：王超 副研究员 （南方科技大学）

题目：A Scale-Invariant Relaxation in Low-Rank Tensor Recovery

时间：2025年5月24日下午14：30—15：00

地点：肇庆学院行政楼第二会议室

Abstract: We consider a low-rank tensor recovery problem. Based on the tensor singular value decomposition (t-SVD), we propose the ratio of the tensor nuclear norm and the tensor Frobenius norm (TNF) as a novel nonconvex surrogate of tensor's tubal rank. The rationale of the proposed model for enforcing a low-rank structure is analyzed as its theoretical properties. Specifically, we introduce a null space property (NSP) type condition, under which a low-rank tensor is a local minimum for the proposed TNF recovery model. Numerically, we consider a low-rank tensor completion (TC) problem and tensor robust principal component analysis (TRPCA), as a specific application of tensor recovery and employ the alternating direction method of multipliers (ADMM) to secure a model solution with guaranteed subsequential convergence under mild conditions.

报告人简介:王超，南方科技大学统计与数据科学系副研究员，博导，其研究方向主要为图像处理、科学计算与交叉学科的数据科学。在本领域期刊SIAM系列、IEEE汇刊等杂志及学术会议发表学术论文三十余篇。在2022年CVPR研讨会获得最佳论文，在2021年获深圳市鹏城孔雀计划特聘岗位，在2017年获得中国工业与应用数学学会年会最佳论文。主持国自然青年基金、广东省面上基金以及深圳市稳定支持面上项目，以课题负责人或核心成员参与国家重点研发项目、香港研资局科研基金项目以及深圳重点项目。