报告人：李晓龙 北京交通大学教授
项世军 暨南大学教授
时 间：2024年5月30日9:00-11:00
地 点：数学与信息学院201报告厅
非凸优化的定性分析
报告人介绍：李晓龙，北京交通大学教授。主要研究方向涉及机器学习中的优化方法、信息隐藏中的数字水印和可逆隐藏技术。已发表学术论文百余篇，其中包含 IEEE Transactions 系列期刊论文 20 余篇；据 Google Scholar Citations 统计，学术成果已被同行引用超过 9300 次，入选爱思唯尔 2020-2023年中国高被引学者榜单；获省部级一等奖一次、二等奖两次。
摘要：经典的梯度下降（GD）以及相关方法在深度时代发挥了巨大作用。特别是，关于GD方法，人们已经有了足够了解，其收敛性是GD相关研究的核心。然而，近期工作表明，即使常规的例如“凸性”或者“L-smooth”等条件不满足，GD序列仍然会收敛，同时其迭代过程中损失函数会出现“震荡”。这对损失函数的凸性、L-smooth等假设条件的合理性提出了挑战，人们对GD及其相关方法的收敛性仍然知之甚少。本汇报中，我们对GD方法的这种震荡收敛性给出了理论讨论，并探索了非凸优化的相关定性分析。
报告人介绍：项世军教授，中山大学博士（2003-2006），韩国高丽大学信息安全管理系博士后（2007），2008年7月进入暨南大学，目前为信息科学技术学院教授、博士生导师。项世军教授目前为广东省本科高校电气类专业教学指导委员会委员、中国图像图形学会数字取证与安全专委会委员、南方电网特高压公司网络与信息安全委员会委员、国家自然科学基金重点项目网评专家等、主要从事多媒体信息安全的研究。熟悉《中华人民共和国网络安全法》（多次在广州市网信办、珠海市网信办、广州市保密局、广州市教育局、广州市民政局、贺州市宣传部、茂名石化、广州广播电视大学、绿盟科技等解读网络安全法）。2012年作为主要参与人获“教育部高等学校优秀成果奖”，作为指导老师获2016数字水印国际会议“最佳学生论文奖”和第一届全国信息隐藏大赛音频组冠军，主持国家自然科学基金4项，国家重点研发计划子课题1项、参与973计划和863重大项目多项，已发表高质量科研论文100多篇，包括IEEE TPAMI、TIP、TMM、TCSVT、TIFS、TDSC等十多篇。
摘要：可逆信息隐藏是信息隐藏中的一个子方向，可用于完整性认证和信息处理过程中减少转换失真等目的。本报告主要从研究和应用两个角度出发，阐述可逆信息隐藏在研究中如何结合深度学习进行有效预测和如何更好地利用广义失真来改善嵌入失真的几个问题，同时在应用方便阐述除了完整性认证应用之外的几个应用（如图像转换）思考，进而探讨如何设计快速、容量大、失真小的实用可逆信息隐藏方法，挖掘可逆信息隐藏在应用上的潜力。