系列报告

In this talk we will present numerical algorithms for the sparse phase retrieval problem, which recovers an s-sparse signal $x\in\mathbb{R}^n$ from $m$ phaseless samples. We propose several efficient second-order algorithms for sparse phase retrieval by using idea if the hard thresholding pursuit (HTP) in compressed sensing. The new proposed algorithm is theoretically guaranteed to give an exact sparse signal recovery in finite steps, in the Gaussian setting with $m=O(s \log(n/s))$ and the a good initialization. Together with a spectral initialization, our algorithm is guaranteed to have an exact recovery from $O(s^2 \log n)$ samples.

吕锡亮，武汉大学数学与统计学院教授、副院长，博士生导师，国家万人计划科技创新领军人才、教育部青年长江学者。在北京大学获得本科学位，新加坡国立大学获得博士学位，随后分别在新加坡国立大学、美国马里兰大学，奥地利科学院RICAM研究所从事博士后研究，2010年加入武汉大学数学与统计学院。现为武汉工业与应用数学学会理事长，东亚工业与应用数学学会秘书长。主持科技部重点研发项目、NSFC-RGC联合项目、NSFC面上项目、校企合作项目等多项科研项目。主要从事反问题计算、机器学习等方面的研究，在计算数学及其相关领域的主流期刊和会议如SIAM系列，Math. Comp., Numer. Math., JMLR, IEEE Trans.等上发表了多篇论文。