好色视频 学术报告[2026]039号

(高水平大学建设系列报告1298号)

报告题目：Riemannian Momentum on Quaternionic Manifolds: A New Frontier for High-Dimensional Signal Recovery

报告人：肖明庆 教授  （美国南伊利诺伊大学）

报告时间：2026年5月13日14:30-16:30

报告地点：汇星楼702会议室

报告内容：Quaternionic signal processing has emerged as a vital framework for handling multi-dimensional data, particularly in color image recovery and computer vision, where the non-commutative structure of quaternions naturally preserves cross-channel correlations. However, as we move toward large-scale data, we face a fundamental conflict: how do we leverage the acceleration of momentum-based methods like the Quaternionic Randomized Kaczmarz (QRKAM) while strictly adhering to the low-rank structures that define physical systems?

In traditional Euclidean frameworks, momentum updates generically "inflate" the rank of iterates, leading to a computational bottleneck where a truncated QSVD is required at every step. This overhead renders many state-of-the-art methods impractical for the very high-dimensional problems they were designed to solve.

In this talk, we present a transformative approach: the Riemannian Quaternion Regularized Kaczmarz method with Adaptive Momentum. By shifting the optimization from the ambient Euclidean space to the intrinsic geometry of the fixed-rank quaternion manifold, we eliminate rank inflation by construction. We will discuss:

• The Geometry of Skew-Fields: The derivation of Riemannian components—tangent spaces, metrics, and retractions—specifically tailored for the non-commutative quaternion skew-field.

• Adaptive Curvature Correction: A new class of adaptive step-size and momentum parameters that incorporate a "curvature correction" term, allowing the optimizer to navigate the manifold's sectional geometry.

• Convergence and Scalability: Theoretical proof of expected linear convergence, demonstrating that our Riemannian approach reduces computational costs by orders of magnitude in high-dimensional settings.

We conclude by demonstrating how this manifold-aware framework provides a robust and scalable solution for the next generation of quaternionic imaging and signal recovery tasks.

报告人简历： 肖明庆博士1991-1997年在美国伊利诺伊大学香槟分校(UIUC)学习。师从著名控制论专家, 美国国家工程好色视频 院士Tamer Basar 从事鲁棒控制理论研究。1997 获得应用数学博士学位。 从1997年7月至1999年12月，他在美国加州大学戴维斯分校担任助理教授。从2000年起在美国南伊利诺伊大学任教，曾任助理教授（2000-2002），副教授（2002-2007），正教授（2007-现在）。曾任美国空军实验室（Wright-Patterson Air Force Base）客座研究员（2001-2002）。目前是美国南伊利诺伊大学研究生院的博士生导师，数学与统计好色视频 研究生主任，学校事务委员会参议员，学校科研基金评委等。

肖明庆博士在大数据分析、机器学习、最优化理论，偏微分方程数值计算，控制理论等方向发表超过150篇期刊论文、会议论文，和专著。肖博士的研究一直分别得到了美国国家科学基金会（National Science Foundation），Qatar国际科研基金，美国空军科学研究基金的支持。在2003年合作编辑出版了名为“New Trends in Nonlinear Dynamics and Control and their Applications ”(Springer-Verlag, 2003)的专著，是由美国国家科学基金会和美国空军科学研究办公室资助出版的。自2010年以来， 肖教授一直是SIAM控制及其应用会议的组委会成员。曾担任第三届世界优化大会组委会成员(2013)。他还是第18届IFAC（国际自动控制联合会）世界大会（2011年，意大利米兰）的学术编辑，也担任过计算智能与信息安全、计算革新和控制信息（2010年）和工程中的数学问题（2011年，2012年），  Journal of the Franklin Institute （2014）的客座编辑。担任过许多著名学术杂志编委，包括IEEE自动化(IEEE TAC 2004-2007年)，自动化（Automatica, 2008-2011年），欧洲控制杂志（2010年至今），数值代数，控制和优化（2010-2018），非线性分析：混合动力系统 (2011-2015)等系列专业杂志。同时还一直担任美国国家科学基金评委（2019-2021），美国-以色列双边国家科学基金（US-Israel Binational Science Foundation，2010-现在）评委，罗马尼亚科学研究委员会 (Romanian National Council for Scientific Research, 2011-现在) 的评委。 同时他还是许多学术会议的主讲人。2016年被美国南伊利诺伊大学理好色视频 授予杰出学者称号。2026年获南伊利诺伊大学工好色视频 Juh Wah Chen杰出奖。

欢迎师生参加！

邀请人：孙晓丽

好色视频

2026年5月7日