报告时间：2021年6月10日上午10:00
报告地点：杨咏曼楼606会议室
报告摘要：This talk presents a global trajectory of signal processing for analysis and representation emerging within decades. It begins with time-frequency decompositions, wavelet orthogonal bases, multiscale geometric analysis, approximations and sparsity from orthonormal bases to redundant dictionaries of waveforms, compressive sensing and dictionary learning as well. The striking efforts in deep learning would also be addressed for a comprehensive perspective. Our recent works exploring structured sparsity and deep convolutional networks for scalable and compact representation of high-dimensional signals will be described as some examples. By rethinking the cutting-edge signal processing techniques in alignment with interdisciplinary inspirations, it is appealing to make the scientific community move forward and avoid dying by starvation in a progressively narrower and specialized domain. If possible, we might present the trajectory from graph signal processing towards graph neural networks. Specifically, we overview existing graph network methodology and elaborate the underlying theoretical foundation. Furthermore, our relevant theoretical and technical efforts have been provided to inspire possible expectations.
报告人简介：熊红凯，上海交通大学特聘教授，国家杰出青年科学基金获得者（2014），教育部**特聘教授（2016），国家万人计划科技创新领军人才（2017），科技部中青年科技创新领军人才，教育部新世纪优秀人才，上海市优秀学术带头人，上海市曙光学者，上海市青年科技英才；获得：上海市青年科技杰出贡献奖、上海市技术发明奖一等奖（2次，均排名第1）、吴文俊人工智能科技奖、中国电子学会技术发明奖、宝钢优秀教师奖。目前担任国际学术期刊 IEEE Trans. CSVT 编委，是中国图象与图形学学会理事、中国计算机学会杰出会员、中国电子学会青年科学家俱乐部“网络多媒体”专委会主任、中国图象图形学学会“出版与宣传”工作委员会主任、中国图像图形学学会“视觉大数据”专委会副主任。
2003年，在上海交通大学获得博士学位，留校工作。2007-2008年，在美国卡内基梅隆大学电机与计算机工程系，担任全职研究员；2011～2012，在美国加州大学圣地亚哥分校生物医学信息中心，担任Scientist。主要研究方向为：信号处理、信息论与编码、多媒体通信、计算机视觉、机器学习等。共发表国际SCI/EI 收录论文280余篇，IEEE Transactions长文约70篇，顶级学术会议论文 60 余篇。获授权中国和美国发明专利43项，获中国专利优秀奖。主持：国家自然科学基金重点项目3项、重点国际合作项目1项、海外及港澳学者合作项目3项、科技部863项目等，曾获得澳大利亚国家研究理事会ARC探索基金资助。
