A General Deep Embedded Modelling Framework for Data Fusion
数学专题报告
报告题目(Title)：A General Deep Embedded Modelling Framework for Data Fusion
报告人(Speaker)：邓良剑（电子科技大学）
地点(Place)：后主楼1220
时间(Time)：2026年6月12日（周五）15:00-16:00
邀请人(Inviter)：段玉萍
报告摘要
This talk primarily explores how to embed deep learning priors and traditional variational optimization model into a general modelling framework, which can effectively enhance the accuracy, generalizability, and interpretability of current intelligence methods. The talk mainly covers two aspects: 1) introducing the general embedded modelling framework, which bridges traditional variational optimization models and deep learning models; 2) giving some examples of the general embedded modelling framework, which are successfully applied to some representative data fusion tasks, also analyzing the relationship between these techniques and current mainstream deep learning approaches.
主讲人简介
邓良剑，电子科技大学数学科学学院教授、博导。长期从事应用数学、人工智能和图像处理领域的交叉研究，主要研究方向为：变分图像处理、机器学习、数据融合等。分别于2010年和2016年获得电子科技大学理学学士和理学博士学位。作为联合培养博士生在美国凯斯西储大学学习一年，赴香港浸会大学进行博士后研究工作一年。曾在对方资助下短期访问剑桥大学牛顿数学科学研究所、香港浸会大学。主持国家自然科学基金项目2项、省部级项目1项，作为研究骨干参与国家重点研发等国家级项目多项。近年以第一或通讯作者身份在Nature Commu., IEEE Trans. Pattern. Anal. Mach. Intell.、SIAM J. Imag. Sci.、Int. J. Comput. Vis.、一区IEEE汇刊发表期刊论文30余篇，在人工智能顶级会议ICML、NeurIPS、CVPR等发表CCF-A论文20余篇（5篇口头报告），Google引用7000余次。曾获四川省自然科学奖等奖励5项。现任Pattern Recognition、IEEE JSTARS等多个SCI期刊副主编。更多信息详见主页：https://liangjiandeng.github.io/。
