报告人：王卫卫教授

报告题目：基于神经网络和数学模型的图像恢复方法

报告摘要：

(1) 图像在获取过程中往往受到各种因素的干扰而质量退化，从退化图像中恢复出理想图像是低层图像处理的一个基本而重要的任务，对后续的高层图像处理任务有着至关重要的作用。基于优化模型和基于深度学习建模是目前解决图像恢复问题是两大主流方法。报告介绍当前一些主流的方法，以及本课题组的几个成果。

(2)随机配置网络（SCN）可以通过使用选择随机权重和偏差的监督机制来逐步构建。由于其易于实施、快速培训和较少的人工干预，SCN在大规模数据分析中越来越受欢迎。本报告将进一步研究用于构建SCN的现有约束条件。利用两种新的随机参数分配不等式约束，为这些约束中关键参数选择提供理论指导。新提出的不等式约束扩大了约束保持的概率，这意味着学习过程更快。实验结果与比较表明，所提出的约束可以大大减少构造隐藏节点的搜索时间。

报告时间：2022年10月30日上午8:30-11:30

报告形式：腾讯会议；会议号：608-243-208

获取会议密码请发邮件至：mathywj@hit.edu.cn

报告人简介：王卫卫，西安电子科技大学教授，博士导师，长期从事图像处理和机器学习的数学方法研究，主持完成国家自然科学面上项目2项，主持在研国家自然科学面上项目1项。获得省级自然科学奖1项。美国宾夕法尼亚大学、新奥尔良大学访问学者，澳大利亚悉尼大学访问学者，香港理工大学访问学者。在国内外重要期刊和会议发表论文70余篇，SCI检索论文40余篇，相关研究成果发表在IEEE Trans.on image processing, Signal Processing等期刊。