报告人： 罗倚斯

报告题目： 连续数据表示下的正则化方法论

时间： 2026年11月20日（周五）09:40—10:30

地点： 线上腾讯会议（会议号：201-824-402）

报告摘要：

近年来，对离散数据点进行连续化的坐标到值的数据表示框架在许多问题中取得了成功，如PINN, NeRF, 算子学习等。在本报告中，我们将探讨如何将传统机器学习和图像处理中的离散矩阵正则化方法(如低秩张量分解、非局部自相似性、Total Variation等)嵌入到连续表示框架中，并发展相关的连续化数学理论和算法。我们将展示这些连续正则化方法在图像复原、点云重建、三维重建、转录组分析，全波形反演等重要科学问题中的应用价值。

报告人简介：

罗倚斯，西安交通大学数学与统计学院博士研究生，主要从事机器学习基础理论与方法、科学计算及应用数学交叉领域的研究，重点关注连续表示、隐式神经表示、张量分解、正则化方法及其数学理论。在 IEEE TPAMI、TIP、TNNLS、TMM、SIAM Journal on Imaging Sciences、CVPR、ICLR、ICML、NeurIPS、AAAI 等国际重要期刊和会议发表学术论文40余篇。主持国家自然科学基金青年学生基础研究项目、中国科协青年科技人才培育工程博士生专项。曾获博士研究生国家奖学金、华为奖学金、华为难题揭榜火花奖、徐宗本应用数学论文奖一等奖、西安交通大学优秀研究生标兵及学术之星等荣誉。