题目：高维不完备数据表示学习：基于隐特征分析的方法

摘要：人工智能应用中常见高维不完备数据，如大规模高维网络、大规模不完备张量、属性异质信息网络等；其中蕴含丰富的知识与模式，如潜在链路、节点集簇、时变态势等。对高维不完备数据进行表示学习，是实现知识发现和模式挖掘的基础。本报告将以隐特征分析为切入，介绍高维不完备数据表示学习方法的研究进展。

时间地点：12月29日上午8:50-11:00，行政楼一楼多功能会议室。

专家简介：罗辛，工学博士，中国科学院重庆绿色智能技术研究院研究员、博士生导师。研究聚焦高维不完备数据表征学习方向，在IEEE T. PAMI、KDE等国际期刊和WWW、ICDM等国际会议上发表学术论文200余篇（SCI检索超过120篇，其中IEEE汇刊论文77篇、ESI高被引论文16篇），累计影响因子超过500，Web of Science统计引用超过3000次，谷歌学术统计引用超过5000次, H-Index为41。获国家发明专利授权25项、实现19项授权专利的成果转化，累积产生经济效益超过8000万元。先后主持国家级项目5项，省部级项目10余项，累积负责科研经费超过4000万元。获国家万人计划青年拔尖人才、中国科学院百人计划、重庆市杰青等人才项目支持。获重庆市自然科学一等奖（2019/排名1）、重庆市科技进步一等奖（2018/排名2）、中国人工智能学会吴文俊人工智能科技进步一等奖（2018/排名3）等科技奖励。目前担任中科院一区TOP期刊IEEE/CAA Journal of Automatica Sinica的助理主编和IEEE Transactions on Neural Networks and Learning Systems的副编辑。