职务/职称
深圳市大数据研究院大数据基础理论与算法研究所所长，教授
研究方向
应用数学，运筹学，信号处理
电子邮箱
yunbinzhao@sribd.cn
教育背景
中科院应用数学研究所博士
重庆大学硕士
西北工业大学学士
个人介绍
赵云彬于2020年3月出任深圳市大数据研究院高级研究科学家，目前担任大数据基础理论与算法研究所所长。 他于1989年毕业于西北工业大学数学系，1998年于中科院应用数学研究所获运筹学与控制论博士学位，1999-2002年间分别担任中科院计算数学与科学工程计算，香港中文大学 和加拿大菲尔兹数学研究所博士后研究员， 2001-2008年间在中国科学院数学与系统科学研究院工作，历任助理研究员，副研究员，博士生导师，和应用数学研究所运筹学研究室副主任。 2007-2020年间历任英国伯明翰大学数学学院副教授。赵云彬长期在应用数学，运筹学，计算优化，压缩感知理论与算法等领域开展前缘性研究工作。曾主持国家自然科学基金和英国EPSRC基金，并担任几个国际数学杂志的编委。
赵云彬在应用数学，运筹学，信号工程等领域的学术期刊（如SIAM, IEEE等）上发表了60多篇学术论文。于2018年，在稀疏优化理论和算法领域出版英文专著（Spare Optimization Theory and Methods， CRC Press）。他最近在稀疏信号处理和压缩感知的高性能算法领域取得了一系列突出成果，首次提出了RSP信号重构理论，凸重构算法的一致稳定性理论，对偶稠密化方法，以及最优阈值高性能算法等。
代表性论文
Y.-B. Zhao and Z.-Q. Luo, Analysis of optimal thresholding algorithms for compressed sensing, Signal Processing, vol. 187, p108148，2021。
N. Meng and Y.-B. Zhao, Newton-step-based hard thresholding algorithms for sparse signal recovery, IEEE Transactions on Signal Processing, vol. 68, pp. 6594-6606, 2020.
Y.-B. Zhao, Optimal k-thresholding algorithms for sparse optimization problems, SIAM Journal on Optimization, vol. 30, no. 1, pp. 31-55, 2020.
Y.-B. Zhao, H. Jiang and Z.-Q. Luo, Weak stability of ℓ-minimization methods in sparse data reconstruction, Mathematics of Operations Research, vol. 44 (2019), no.1, pp. 173–195.
Y.-B. Zhao, Sparse Optimization Theory and Methods, CRC Press, Boca Raton, FL, 2018.
Y.-B. Zhao, Z.Q. Luo, Constructing new weighted ℓ1-algorithms for the sparsest points of polyhedral sets, Mathematics of Operations Research, vol. 42, no.1, pp. 57–76, 2017.
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所所长，教授
研究方向
应用数学，运筹学，信号处理
电子邮箱
yunbinzhao@sribd.cn
教育背景
中科院应用数学研究所博士
重庆大学硕士
西北工业大学学士
个人介绍
赵云彬于2020年3月出任深圳市大数据研究院高级研究科学家，目前担任大数据基础理论与算法研究所所长。 他于1989年毕业于西北工业大学数学系，1998年于中科院应用数学研究所获运筹学与控制论博士学位，1999-2002年间分别担任中科院计算数学与科学工程计算，香港中文大学 和加拿大菲尔兹数学研究所博士后研究员， 2001-2008年间在中国科学院数学与系统科学研究院工作，历任助理研究员，副研究员，博士生导师，和应用数学研究所运筹学研究室副主任。 2007-2020年间历任英国伯明翰大学数学学院副教授。赵云彬长期在应用数学，运筹学，计算优化，压缩感知理论与算法等领域开展前缘性研究工作。曾主持国家自然科学基金和英国EPSRC基金，并担任几个国际数学杂志的编委。
赵云彬在应用数学，运筹学，信号工程等领域的学术期刊（如SIAM, IEEE等）上发表了60多篇学术论文。于2018年，在稀疏优化理论和算法领域出版英文专著（Spare Optimization Theory and Methods， CRC Press）。他最近在稀疏信号处理和压缩感知的高性能算法领域取得了一系列突出成果，首次提出了RSP信号重构理论，凸重构算法的一致稳定性理论，对偶稠密化方法，以及最优阈值高性能算法等。
代表性论文
Y.-B. Zhao and Z.-Q. Luo, Analysis of optimal thresholding algorithms for compressed sensing, Signal Processing, vol. 187, p108148，2021。
N. Meng and Y.-B. Zhao, Newton-step-based hard thresholding algorithms for sparse signal recovery, IEEE Transactions on Signal Processing, vol. 68, pp. 6594-6606, 2020.
Y.-B. Zhao, Optimal k-thresholding algorithms for sparse optimization problems, SIAM Journal on Optimization, vol. 30, no. 1, pp. 31-55, 2020.
Y.-B. Zhao, H. Jiang and Z.-Q. Luo, Weak stability of ℓ-minimization methods in sparse data reconstruction, Mathematics of Operations Research, vol. 44 (2019), no.1, pp. 173–195.
Y.-B. Zhao, Sparse Optimization Theory and Methods, CRC Press, Boca Raton, FL, 2018.
Y.-B. Zhao, Z.Q. Luo, Constructing new weighted ℓ1-algorithms for the sparsest points of polyhedral sets, Mathematics of Operations Research, vol. 42, no.1, pp. 57–76, 2017.
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所所长，教授
研究方向
应用数学，运筹学，信号处理
电子邮箱
yunbinzhao@sribd.cn
教育背景
中科院应用数学研究所博士
重庆大学硕士
西北工业大学学士
个人介绍
赵云彬于2020年3月出任深圳市大数据研究院高级研究科学家，目前担任大数据基础理论与算法研究所所长。 他于1989年毕业于西北工业大学数学系，1998年于中科院应用数学研究所获运筹学与控制论博士学位，1999-2002年间分别担任中科院计算数学与科学工程计算，香港中文大学 和加拿大菲尔兹数学研究所博士后研究员， 2001-2008年间在中国科学院数学与系统科学研究院工作，历任助理研究员，副研究员，博士生导师，和应用数学研究所运筹学研究室副主任。 2007-2020年间历任英国伯明翰大学数学学院副教授。赵云彬长期在应用数学，运筹学，计算优化，压缩感知理论与算法等领域开展前缘性研究工作。曾主持国家自然科学基金和英国EPSRC基金，并担任几个国际数学杂志的编委。
赵云彬在应用数学，运筹学，信号工程等领域的学术期刊（如SIAM, IEEE等）上发表了60多篇学术论文。于2018年，在稀疏优化理论和算法领域出版英文专著（Spare Optimization Theory and Methods， CRC Press）。他最近在稀疏信号处理和压缩感知的高性能算法领域取得了一系列突出成果，首次提出了RSP信号重构理论，凸重构算法的一致稳定性理论，对偶稠密化方法，以及最优阈值高性能算法等。
代表性论文
Y.-B. Zhao and Z.-Q. Luo, Analysis of optimal thresholding algorithms for compressed sensing, Signal Processing, vol. 187, p108148，2021。
N. Meng and Y.-B. Zhao, Newton-step-based hard thresholding algorithms for sparse signal recovery, IEEE Transactions on Signal Processing, vol. 68, pp. 6594-6606, 2020.
Y.-B. Zhao, Optimal k-thresholding algorithms for sparse optimization problems, SIAM Journal on Optimization, vol. 30, no. 1, pp. 31-55, 2020.
Y.-B. Zhao, H. Jiang and Z.-Q. Luo, Weak stability of ℓ-minimization methods in sparse data reconstruction, Mathematics of Operations Research, vol. 44 (2019), no.1, pp. 173–195.
Y.-B. Zhao, Sparse Optimization Theory and Methods, CRC Press, Boca Raton, FL, 2018.
Y.-B. Zhao, Z.Q. Luo, Constructing new weighted ℓ1-algorithms for the sparsest points of polyhedral sets, Mathematics of Operations Research, vol. 42, no.1, pp. 57–76, 2017.
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所所长，教授
研究方向
应用数学，运筹学，信号处理
电子邮箱
yunbinzhao@sribd.cn
教育背景
中科院应用数学研究所博士
重庆大学硕士
西北工业大学学士
个人介绍
赵云彬于2020年3月出任深圳市大数据研究院高级研究科学家，目前担任大数据基础理论与算法研究所所长。 他于1989年毕业于西北工业大学数学系，1998年于中科院应用数学研究所获运筹学与控制论博士学位，1999-2002年间分别担任中科院计算数学与科学工程计算，香港中文大学 和加拿大菲尔兹数学研究所博士后研究员， 2001-2008年间在中国科学院数学与系统科学研究院工作，历任助理研究员，副研究员，博士生导师，和应用数学研究所运筹学研究室副主任。 2007-2020年间历任英国伯明翰大学数学学院副教授。赵云彬长期在应用数学，运筹学，计算优化，压缩感知理论与算法等领域开展前缘性研究工作。曾主持国家自然科学基金和英国EPSRC基金，并担任几个国际数学杂志的编委。
赵云彬在应用数学，运筹学，信号工程等领域的学术期刊（如SIAM, IEEE等）上发表了60多篇学术论文。于2018年，在稀疏优化理论和算法领域出版英文专著（Spare Optimization Theory and Methods， CRC Press）。他最近在稀疏信号处理和压缩感知的高性能算法领域取得了一系列突出成果，首次提出了RSP信号重构理论，凸重构算法的一致稳定性理论，对偶稠密化方法，以及最优阈值高性能算法等。
代表性论文
Y.-B. Zhao and Z.-Q. Luo, Analysis of optimal thresholding algorithms for compressed sensing, Signal Processing, vol. 187, p108148，2021。
N. Meng and Y.-B. Zhao, Newton-step-based hard thresholding algorithms for sparse signal recovery, IEEE Transactions on Signal Processing, vol. 68, pp. 6594-6606, 2020.
Y.-B. Zhao, Optimal k-thresholding algorithms for sparse optimization problems, SIAM Journal on Optimization, vol. 30, no. 1, pp. 31-55, 2020.
Y.-B. Zhao, H. Jiang and Z.-Q. Luo, Weak stability of ℓ-minimization methods in sparse data reconstruction, Mathematics of Operations Research, vol. 44 (2019), no.1, pp. 173–195.
Y.-B. Zhao, Sparse Optimization Theory and Methods, CRC Press, Boca Raton, FL, 2018.
Y.-B. Zhao, Z.Q. Luo, Constructing new weighted ℓ1-algorithms for the sparsest points of polyhedral sets, Mathematics of Operations Research, vol. 42, no.1, pp. 57–76, 2017.
职务/职称
深圳市大数据研究院基础理论与算法研究所助理所长、副研究员
研究方向
张量优化，流形优化，信号处理
电子邮箱
lijianze@gmail.com
教育背景
南开大学陈省身数学研究所博士
南开大学数学科学学院硕士
河北工业大学数学系学士
个人介绍
李建泽于2019年5月至今，在深圳市大数据研究院工作，任职研究科学家、副研究员。在此之前，他于2013年6月毕业于南开大学陈省身数学研究所，获得博士学位；于2013年7月至2018年1月在天津大学数学学院工作，任职讲师；于2016年9月至2018年8月在法国Université Grenoble Alpes的GIPSA-Lab先后进行学术访问和博士后研究；于2018年9月至2019年4月在加拿大Ryerson大学进行学术访问。他已在SIMAX, SIOPT,JMAA等SCI期刊上发表科研论文10余篇，完成国家自然科学基金青年基金一项及深圳市大数据研究院基础研究项目一项，现主持广东省面上基金一项。
代表性论文
[1] Wentao Ding, Jianze Li, Shuzhong Zhang, Projectively and weakly simultaneously diagonalizable matrices and their applications, arXiv:2205.13245, accepted by SIAM Journal on Matrix Analysis and Applications, 2023.
[2] Jianze Li, Shuzhong Zhang, Polar decomposition-based algorithms on the product of Stiefel manifolds with applications in tensor approximation. Journal of the Operations Research Society of China, 2023. https://doi.org/10.1007/s40305-023-00462-8
[3] Jianze Li, Konstantin Usevich, Pierre Comon, Convergence of Gradient-Based Block Coordinate Descent Algorithms for Nonorthogonal Joint Approximate Diagonalization of Matrices, SIAM Journal on Matrix Analysis and Applications, 44(2), 592-621, 2023.
[4] Zhou Sheng, Jianze Li, Qin Ni, Jacobi-type algorithms for homogeneous polynomial optimization on Stiefel manifolds with applications to tensor approximations. Mathematics of Computation, 92(343), 2217-2245, 2023.
[5] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Data-Free Backdoor Removal Based on Channel Lipschitzness, ECCV 2022.
[6] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Pre-activation Distributions Expose Backdoor Neurons, NeurIPS 2022.
[7] Jianze Li, Konstantin Usevich, Pierre Comon, Jacobi-type algorithm for low rank orthogonal approximation of symmetric tensors and its convergence analysis. Pacific Journal of Optimization, 17(3), 357–379, 2021.
[8] Konstantin Usevich, Jianze Li, Pierre Comon, Approximate matrix and tensor diagonalization by unitary transformations: convergence of Jacobi-type algorithms. SIAM Journal on Optimization, 30(4), 2998–3028, 2020.
[9] Jianze Li, Konstantin Usevich, Pierre Comon, On the convergence of Jacobi-type algorithms for Independent Component Analysis. Proc. IEEE SAM, 2020.
[10] Jianze Li, Konstantin Usevich, Pierre Comon, On approximate diagonalization of third order symmetric tensors by orthogonal transformations. Linear Algebra and its Applications, 576, 324-351, 2019.
[11] Jianze Li, Konstantin Usevich, Pierre Comon, Globally convergent Jacobi-type algorithms for simultaneous orthogonal symmetric tensor diagonalization. SIAM Journal on Matrix Analysis and Applications, 39(1), 1-22, 2018.
[12] Jianze Li, Xiao-Ping Zhang, Tuan Tran, Point cloud denoising based on tensor Tucker decomposition. Proc. IEEE ICIP, 2019.
[13] Guang-Gui Ding, Jianze Li. Isometric extension problem between strictly convex two-dimensional normed spaces. Acta Mathematica Sinica, English Series, 35(4), 513-518, 2019.
[14] Jianze Li, Mazur–Ulam property of the sum of two strictly convex Banach spaces. Bulletin of the Australian Mathematical Society, 93(3), 473-485, 2016.
[15] Guang-Gui Ding, Jianze Li, Isometries between unit spheres of the l^\infty-sum of strictly convex normed spaces. Bulletin of the Australian Mathematical Society, 88(3), 369-375, 2013.
[16] Guang-Gui Ding, Jianze Li, Sharp corner points and isometric extension problem in Banach spaces. Journal of Mathematical Analysis and Applications, 405(1), 297-309, 2013.
[17] Jianze Li, Chi-Keung Ng, Tensor products for non-unital operator systems. Journal of Mathematical Analysis and Applications, 396(2), 601-605, 2012.
[18] Jianze Li, Possibly non-unital operator system structures on a possibly non-unital function system. Frontiers of Mathematics in China, 7(5), 847-855, 2012.
职务/职称
深圳市大数据研究院基础理论与算法研究所助理所长、副研究员
研究方向
张量优化，流形优化，信号处理
电子邮箱
lijianze@gmail.com
教育背景
南开大学陈省身数学研究所博士
南开大学数学科学学院硕士
河北工业大学数学系学士
个人介绍
李建泽于2019年5月至今，在深圳市大数据研究院工作，任职研究科学家、副研究员。在此之前，他于2013年6月毕业于南开大学陈省身数学研究所，获得博士学位；于2013年7月至2018年1月在天津大学数学学院工作，任职讲师；于2016年9月至2018年8月在法国Université Grenoble Alpes的GIPSA-Lab先后进行学术访问和博士后研究；于2018年9月至2019年4月在加拿大Ryerson大学进行学术访问。他已在SIMAX, SIOPT,JMAA等SCI期刊上发表科研论文10余篇，完成国家自然科学基金青年基金一项及深圳市大数据研究院基础研究项目一项，现主持广东省面上基金一项。
代表性论文
[1] Wentao Ding, Jianze Li, Shuzhong Zhang, Projectively and weakly simultaneously diagonalizable matrices and their applications, arXiv:2205.13245, accepted by SIAM Journal on Matrix Analysis and Applications, 2023.
[2] Jianze Li, Shuzhong Zhang, Polar decomposition-based algorithms on the product of Stiefel manifolds with applications in tensor approximation. Journal of the Operations Research Society of China, 2023. https://doi.org/10.1007/s40305-023-00462-8
[3] Jianze Li, Konstantin Usevich, Pierre Comon, Convergence of Gradient-Based Block Coordinate Descent Algorithms for Nonorthogonal Joint Approximate Diagonalization of Matrices, SIAM Journal on Matrix Analysis and Applications, 44(2), 592-621, 2023.
[4] Zhou Sheng, Jianze Li, Qin Ni, Jacobi-type algorithms for homogeneous polynomial optimization on Stiefel manifolds with applications to tensor approximations. Mathematics of Computation, 92(343), 2217-2245, 2023.
[5] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Data-Free Backdoor Removal Based on Channel Lipschitzness, ECCV 2022.
[6] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Pre-activation Distributions Expose Backdoor Neurons, NeurIPS 2022.
[7] Jianze Li, Konstantin Usevich, Pierre Comon, Jacobi-type algorithm for low rank orthogonal approximation of symmetric tensors and its convergence analysis. Pacific Journal of Optimization, 17(3), 357–379, 2021.
[8] Konstantin Usevich, Jianze Li, Pierre Comon, Approximate matrix and tensor diagonalization by unitary transformations: convergence of Jacobi-type algorithms. SIAM Journal on Optimization, 30(4), 2998–3028, 2020.
[9] Jianze Li, Konstantin Usevich, Pierre Comon, On the convergence of Jacobi-type algorithms for Independent Component Analysis. Proc. IEEE SAM, 2020.
[10] Jianze Li, Konstantin Usevich, Pierre Comon, On approximate diagonalization of third order symmetric tensors by orthogonal transformations. Linear Algebra and its Applications, 576, 324-351, 2019.
[11] Jianze Li, Konstantin Usevich, Pierre Comon, Globally convergent Jacobi-type algorithms for simultaneous orthogonal symmetric tensor diagonalization. SIAM Journal on Matrix Analysis and Applications, 39(1), 1-22, 2018.
[12] Jianze Li, Xiao-Ping Zhang, Tuan Tran, Point cloud denoising based on tensor Tucker decomposition. Proc. IEEE ICIP, 2019.
[13] Guang-Gui Ding, Jianze Li. Isometric extension problem between strictly convex two-dimensional normed spaces. Acta Mathematica Sinica, English Series, 35(4), 513-518, 2019.
[14] Jianze Li, Mazur–Ulam property of the sum of two strictly convex Banach spaces. Bulletin of the Australian Mathematical Society, 93(3), 473-485, 2016.
[15] Guang-Gui Ding, Jianze Li, Isometries between unit spheres of the l^\infty-sum of strictly convex normed spaces. Bulletin of the Australian Mathematical Society, 88(3), 369-375, 2013.
[16] Guang-Gui Ding, Jianze Li, Sharp corner points and isometric extension problem in Banach spaces. Journal of Mathematical Analysis and Applications, 405(1), 297-309, 2013.
[17] Jianze Li, Chi-Keung Ng, Tensor products for non-unital operator systems. Journal of Mathematical Analysis and Applications, 396(2), 601-605, 2012.
[18] Jianze Li, Possibly non-unital operator system structures on a possibly non-unital function system. Frontiers of Mathematics in China, 7(5), 847-855, 2012.
职务/职称
深圳市大数据研究院基础理论与算法研究所助理所长、副研究员
研究方向
张量优化，流形优化，信号处理
电子邮箱
lijianze@gmail.com
教育背景
南开大学陈省身数学研究所博士
南开大学数学科学学院硕士
河北工业大学数学系学士
个人介绍
李建泽于2019年5月至今，在深圳市大数据研究院工作，任职研究科学家、副研究员。在此之前，他于2013年6月毕业于南开大学陈省身数学研究所，获得博士学位；于2013年7月至2018年1月在天津大学数学学院工作，任职讲师；于2016年9月至2018年8月在法国Université Grenoble Alpes的GIPSA-Lab先后进行学术访问和博士后研究；于2018年9月至2019年4月在加拿大Ryerson大学进行学术访问。他已在SIMAX, SIOPT,JMAA等SCI期刊上发表科研论文10余篇，完成国家自然科学基金青年基金一项及深圳市大数据研究院基础研究项目一项，现主持广东省面上基金一项。
代表性论文
[1] Wentao Ding, Jianze Li, Shuzhong Zhang, Projectively and weakly simultaneously diagonalizable matrices and their applications, arXiv:2205.13245, accepted by SIAM Journal on Matrix Analysis and Applications, 2023.
[2] Jianze Li, Shuzhong Zhang, Polar decomposition-based algorithms on the product of Stiefel manifolds with applications in tensor approximation. Journal of the Operations Research Society of China, 2023. https://doi.org/10.1007/s40305-023-00462-8
[3] Jianze Li, Konstantin Usevich, Pierre Comon, Convergence of Gradient-Based Block Coordinate Descent Algorithms for Nonorthogonal Joint Approximate Diagonalization of Matrices, SIAM Journal on Matrix Analysis and Applications, 44(2), 592-621, 2023.
[4] Zhou Sheng, Jianze Li, Qin Ni, Jacobi-type algorithms for homogeneous polynomial optimization on Stiefel manifolds with applications to tensor approximations. Mathematics of Computation, 92(343), 2217-2245, 2023.
[5] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Data-Free Backdoor Removal Based on Channel Lipschitzness, ECCV 2022.
[6] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Pre-activation Distributions Expose Backdoor Neurons, NeurIPS 2022.
[7] Jianze Li, Konstantin Usevich, Pierre Comon, Jacobi-type algorithm for low rank orthogonal approximation of symmetric tensors and its convergence analysis. Pacific Journal of Optimization, 17(3), 357–379, 2021.
[8] Konstantin Usevich, Jianze Li, Pierre Comon, Approximate matrix and tensor diagonalization by unitary transformations: convergence of Jacobi-type algorithms. SIAM Journal on Optimization, 30(4), 2998–3028, 2020.
[9] Jianze Li, Konstantin Usevich, Pierre Comon, On the convergence of Jacobi-type algorithms for Independent Component Analysis. Proc. IEEE SAM, 2020.
[10] Jianze Li, Konstantin Usevich, Pierre Comon, On approximate diagonalization of third order symmetric tensors by orthogonal transformations. Linear Algebra and its Applications, 576, 324-351, 2019.
[11] Jianze Li, Konstantin Usevich, Pierre Comon, Globally convergent Jacobi-type algorithms for simultaneous orthogonal symmetric tensor diagonalization. SIAM Journal on Matrix Analysis and Applications, 39(1), 1-22, 2018.
[12] Jianze Li, Xiao-Ping Zhang, Tuan Tran, Point cloud denoising based on tensor Tucker decomposition. Proc. IEEE ICIP, 2019.
[13] Guang-Gui Ding, Jianze Li. Isometric extension problem between strictly convex two-dimensional normed spaces. Acta Mathematica Sinica, English Series, 35(4), 513-518, 2019.
[14] Jianze Li, Mazur–Ulam property of the sum of two strictly convex Banach spaces. Bulletin of the Australian Mathematical Society, 93(3), 473-485, 2016.
[15] Guang-Gui Ding, Jianze Li, Isometries between unit spheres of the l^\infty-sum of strictly convex normed spaces. Bulletin of the Australian Mathematical Society, 88(3), 369-375, 2013.
[16] Guang-Gui Ding, Jianze Li, Sharp corner points and isometric extension problem in Banach spaces. Journal of Mathematical Analysis and Applications, 405(1), 297-309, 2013.
[17] Jianze Li, Chi-Keung Ng, Tensor products for non-unital operator systems. Journal of Mathematical Analysis and Applications, 396(2), 601-605, 2012.
[18] Jianze Li, Possibly non-unital operator system structures on a possibly non-unital function system. Frontiers of Mathematics in China, 7(5), 847-855, 2012.
职务/职称
深圳市大数据研究院基础理论与算法研究所助理所长、副研究员
研究方向
张量优化，流形优化，信号处理
电子邮箱
lijianze@gmail.com
教育背景
南开大学陈省身数学研究所博士
南开大学数学科学学院硕士
河北工业大学数学系学士
个人介绍
李建泽于2019年5月至今，在深圳市大数据研究院工作，任职研究科学家、副研究员。在此之前，他于2013年6月毕业于南开大学陈省身数学研究所，获得博士学位；于2013年7月至2018年1月在天津大学数学学院工作，任职讲师；于2016年9月至2018年8月在法国Université Grenoble Alpes的GIPSA-Lab先后进行学术访问和博士后研究；于2018年9月至2019年4月在加拿大Ryerson大学进行学术访问。他已在SIMAX, SIOPT,JMAA等SCI期刊上发表科研论文10余篇，完成国家自然科学基金青年基金一项及深圳市大数据研究院基础研究项目一项，现主持广东省面上基金一项。
代表性论文
[1] Wentao Ding, Jianze Li, Shuzhong Zhang, Projectively and weakly simultaneously diagonalizable matrices and their applications, arXiv:2205.13245, accepted by SIAM Journal on Matrix Analysis and Applications, 2023.
[2] Jianze Li, Shuzhong Zhang, Polar decomposition-based algorithms on the product of Stiefel manifolds with applications in tensor approximation. Journal of the Operations Research Society of China, 2023. https://doi.org/10.1007/s40305-023-00462-8
[3] Jianze Li, Konstantin Usevich, Pierre Comon, Convergence of Gradient-Based Block Coordinate Descent Algorithms for Nonorthogonal Joint Approximate Diagonalization of Matrices, SIAM Journal on Matrix Analysis and Applications, 44(2), 592-621, 2023.
[4] Zhou Sheng, Jianze Li, Qin Ni, Jacobi-type algorithms for homogeneous polynomial optimization on Stiefel manifolds with applications to tensor approximations. Mathematics of Computation, 92(343), 2217-2245, 2023.
[5] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Data-Free Backdoor Removal Based on Channel Lipschitzness, ECCV 2022.
[6] Runkai Zheng, Rongjun Tang, Jianze Li, Li Liu, Pre-activation Distributions Expose Backdoor Neurons, NeurIPS 2022.
[7] Jianze Li, Konstantin Usevich, Pierre Comon, Jacobi-type algorithm for low rank orthogonal approximation of symmetric tensors and its convergence analysis. Pacific Journal of Optimization, 17(3), 357–379, 2021.
[8] Konstantin Usevich, Jianze Li, Pierre Comon, Approximate matrix and tensor diagonalization by unitary transformations: convergence of Jacobi-type algorithms. SIAM Journal on Optimization, 30(4), 2998–3028, 2020.
[9] Jianze Li, Konstantin Usevich, Pierre Comon, On the convergence of Jacobi-type algorithms for Independent Component Analysis. Proc. IEEE SAM, 2020.
[10] Jianze Li, Konstantin Usevich, Pierre Comon, On approximate diagonalization of third order symmetric tensors by orthogonal transformations. Linear Algebra and its Applications, 576, 324-351, 2019.
[11] Jianze Li, Konstantin Usevich, Pierre Comon, Globally convergent Jacobi-type algorithms for simultaneous orthogonal symmetric tensor diagonalization. SIAM Journal on Matrix Analysis and Applications, 39(1), 1-22, 2018.
[12] Jianze Li, Xiao-Ping Zhang, Tuan Tran, Point cloud denoising based on tensor Tucker decomposition. Proc. IEEE ICIP, 2019.
[13] Guang-Gui Ding, Jianze Li. Isometric extension problem between strictly convex two-dimensional normed spaces. Acta Mathematica Sinica, English Series, 35(4), 513-518, 2019.
[14] Jianze Li, Mazur–Ulam property of the sum of two strictly convex Banach spaces. Bulletin of the Australian Mathematical Society, 93(3), 473-485, 2016.
[15] Guang-Gui Ding, Jianze Li, Isometries between unit spheres of the l^\infty-sum of strictly convex normed spaces. Bulletin of the Australian Mathematical Society, 88(3), 369-375, 2013.
[16] Guang-Gui Ding, Jianze Li, Sharp corner points and isometric extension problem in Banach spaces. Journal of Mathematical Analysis and Applications, 405(1), 297-309, 2013.
[17] Jianze Li, Chi-Keung Ng, Tensor products for non-unital operator systems. Journal of Mathematical Analysis and Applications, 396(2), 601-605, 2012.
[18] Jianze Li, Possibly non-unital operator system structures on a possibly non-unital function system. Frontiers of Mathematics in China, 7(5), 847-855, 2012.
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所研究科学家
香港中文大学（深圳）助理教授
研究方向
机器学习，计算机视觉，最优化，统计过程控制，神经科学信号处理
电子邮箱
fanjicong@cuhk.edu.cn
教育背景
香港城市大学电子工程系博士
北京化工大学自动化系硕士
北京化工大学自动化系学士
个人介绍
樊继聪博士现在担任香港中文大学(深圳)数据科学学院和深圳市大数据研究院助理教授。2010年和2013年于北京化工大学自动化系取得学士学位和硕士学位，2018年10月于香港城市大学电子工程系取得博士学位。2013年至2015年在香港大学任研究助理。2018年1月至6月在美国威斯康星麦迪逊分校电子与计算机工程系做访问学者。2018年10月至2020年6月在美国康奈尔大学运筹学与信息工程学院任博士后。2020年7月加入香港中文大学(深圳)。研究方向包括机器学习、统计过程控制、神经科学信号处理与数据分析。主要研究成果发表于IEEE T-NNLS、IEEE T-SP、CVPR、AAAI、NeurIPS、ICLR、KDD等国际知名学术期刊和会议。主持国家自然科学基金青年项目《快速非凸非光滑张量恢复的模型、算法、理论和应用》。
代表性论文
[1] Jicong Fan, Lijun Ding, Chengrun Yang, Zhao Zhang, Madeleine Udell. Euclidean-Norm-Induced Schatten-p Quasi-Norm Regularization for Low-Rank Tensor Completion and Tensor Robust Principal Component Analysis. Transactions on Machine Learning Research. 2023.01.
[2] Jicong Fan, Yiheng Tu, Zhao Zhang, Mingbo Zhao, Haijun Zhang. A Simple Approach to Automated Spectral Clustering. NeurIPS 2022. (acceptance rate=25.6%)
[3] Jinyu Cai, Jicong Fan*. Perturbation Learning Based Anomaly Detection. NeurIPS 2022.
[4] Jicong Fan. Multi-Mode Deep Matrix and Tensor Factorization. ICLR 2022. (acceptance rate=32.3%)
[5] Jicong Fan. Large-Scale Subspace Clustering via k-Factorization. KDD 2021. (acceptance rate=15.4%)
[6] Jicong Fan, Chengrun Yang, Madeleine Udell. Robust Non-Linear Matrix Factorization for Dictionary Learning, Denoising, and Clustering. IEEE Transactions on Signal Processing, 2021(69): 1755-1770.
[7] Jicong Fan, Lijun Ding, Yudong Chen, Madeleine Udell. Factor group sparse regularization for efficient low-rank matrix recovery. NeurIPS 2019. (acceptance rate=21.1%)
[8] Jicong Fan, Madeleine Udell. Online high-rank matrix completion. CVPR 2019. Oral Presentation. (acceptance rate=5.6%)
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所研究科学家
香港中文大学（深圳）助理教授
研究方向
机器学习，计算机视觉，最优化，统计过程控制，神经科学信号处理
电子邮箱
fanjicong@cuhk.edu.cn
教育背景
香港城市大学电子工程系博士
北京化工大学自动化系硕士
北京化工大学自动化系学士
个人介绍
樊继聪博士现在担任香港中文大学(深圳)数据科学学院和深圳市大数据研究院助理教授。2010年和2013年于北京化工大学自动化系取得学士学位和硕士学位，2018年10月于香港城市大学电子工程系取得博士学位。2013年至2015年在香港大学任研究助理。2018年1月至6月在美国威斯康星麦迪逊分校电子与计算机工程系做访问学者。2018年10月至2020年6月在美国康奈尔大学运筹学与信息工程学院任博士后。2020年7月加入香港中文大学(深圳)。研究方向包括机器学习、统计过程控制、神经科学信号处理与数据分析。主要研究成果发表于IEEE T-NNLS、IEEE T-SP、CVPR、AAAI、NeurIPS、ICLR、KDD等国际知名学术期刊和会议。主持国家自然科学基金青年项目《快速非凸非光滑张量恢复的模型、算法、理论和应用》。
代表性论文
[1] Jicong Fan, Lijun Ding, Chengrun Yang, Zhao Zhang, Madeleine Udell. Euclidean-Norm-Induced Schatten-p Quasi-Norm Regularization for Low-Rank Tensor Completion and Tensor Robust Principal Component Analysis. Transactions on Machine Learning Research. 2023.01.
[2] Jicong Fan, Yiheng Tu, Zhao Zhang, Mingbo Zhao, Haijun Zhang. A Simple Approach to Automated Spectral Clustering. NeurIPS 2022. (acceptance rate=25.6%)
[3] Jinyu Cai, Jicong Fan*. Perturbation Learning Based Anomaly Detection. NeurIPS 2022.
[4] Jicong Fan. Multi-Mode Deep Matrix and Tensor Factorization. ICLR 2022. (acceptance rate=32.3%)
[5] Jicong Fan. Large-Scale Subspace Clustering via k-Factorization. KDD 2021. (acceptance rate=15.4%)
[6] Jicong Fan, Chengrun Yang, Madeleine Udell. Robust Non-Linear Matrix Factorization for Dictionary Learning, Denoising, and Clustering. IEEE Transactions on Signal Processing, 2021(69): 1755-1770.
[7] Jicong Fan, Lijun Ding, Yudong Chen, Madeleine Udell. Factor group sparse regularization for efficient low-rank matrix recovery. NeurIPS 2019. (acceptance rate=21.1%)
[8] Jicong Fan, Madeleine Udell. Online high-rank matrix completion. CVPR 2019. Oral Presentation. (acceptance rate=5.6%)
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所研究科学家
香港中文大学（深圳）助理教授
研究方向
机器学习，计算机视觉，最优化，统计过程控制，神经科学信号处理
电子邮箱
fanjicong@cuhk.edu.cn
教育背景
香港城市大学电子工程系博士
北京化工大学自动化系硕士
北京化工大学自动化系学士
个人介绍
樊继聪博士现在担任香港中文大学(深圳)数据科学学院和深圳市大数据研究院助理教授。2010年和2013年于北京化工大学自动化系取得学士学位和硕士学位，2018年10月于香港城市大学电子工程系取得博士学位。2013年至2015年在香港大学任研究助理。2018年1月至6月在美国威斯康星麦迪逊分校电子与计算机工程系做访问学者。2018年10月至2020年6月在美国康奈尔大学运筹学与信息工程学院任博士后。2020年7月加入香港中文大学(深圳)。研究方向包括机器学习、统计过程控制、神经科学信号处理与数据分析。主要研究成果发表于IEEE T-NNLS、IEEE T-SP、CVPR、AAAI、NeurIPS、ICLR、KDD等国际知名学术期刊和会议。主持国家自然科学基金青年项目《快速非凸非光滑张量恢复的模型、算法、理论和应用》。
代表性论文
[1] Jicong Fan, Lijun Ding, Chengrun Yang, Zhao Zhang, Madeleine Udell. Euclidean-Norm-Induced Schatten-p Quasi-Norm Regularization for Low-Rank Tensor Completion and Tensor Robust Principal Component Analysis. Transactions on Machine Learning Research. 2023.01.
[2] Jicong Fan, Yiheng Tu, Zhao Zhang, Mingbo Zhao, Haijun Zhang. A Simple Approach to Automated Spectral Clustering. NeurIPS 2022. (acceptance rate=25.6%)
[3] Jinyu Cai, Jicong Fan*. Perturbation Learning Based Anomaly Detection. NeurIPS 2022.
[4] Jicong Fan. Multi-Mode Deep Matrix and Tensor Factorization. ICLR 2022. (acceptance rate=32.3%)
[5] Jicong Fan. Large-Scale Subspace Clustering via k-Factorization. KDD 2021. (acceptance rate=15.4%)
[6] Jicong Fan, Chengrun Yang, Madeleine Udell. Robust Non-Linear Matrix Factorization for Dictionary Learning, Denoising, and Clustering. IEEE Transactions on Signal Processing, 2021(69): 1755-1770.
[7] Jicong Fan, Lijun Ding, Yudong Chen, Madeleine Udell. Factor group sparse regularization for efficient low-rank matrix recovery. NeurIPS 2019. (acceptance rate=21.1%)
[8] Jicong Fan, Madeleine Udell. Online high-rank matrix completion. CVPR 2019. Oral Presentation. (acceptance rate=5.6%)
职务/职称
深圳市大数据研究院大数据基础理论与算法研究所研究科学家
香港中文大学（深圳）助理教授
研究方向
机器学习，计算机视觉，最优化，统计过程控制，神经科学信号处理
电子邮箱
fanjicong@cuhk.edu.cn
教育背景
香港城市大学电子工程系博士
北京化工大学自动化系硕士
北京化工大学自动化系学士
个人介绍
樊继聪博士现在担任香港中文大学(深圳)数据科学学院和深圳市大数据研究院助理教授。2010年和2013年于北京化工大学自动化系取得学士学位和硕士学位，2018年10月于香港城市大学电子工程系取得博士学位。2013年至2015年在香港大学任研究助理。2018年1月至6月在美国威斯康星麦迪逊分校电子与计算机工程系做访问学者。2018年10月至2020年6月在美国康奈尔大学运筹学与信息工程学院任博士后。2020年7月加入香港中文大学(深圳)。研究方向包括机器学习、统计过程控制、神经科学信号处理与数据分析。主要研究成果发表于IEEE T-NNLS、IEEE T-SP、CVPR、AAAI、NeurIPS、ICLR、KDD等国际知名学术期刊和会议。主持国家自然科学基金青年项目《快速非凸非光滑张量恢复的模型、算法、理论和应用》。
代表性论文
[1] Jicong Fan, Lijun Ding, Chengrun Yang, Zhao Zhang, Madeleine Udell. Euclidean-Norm-Induced Schatten-p Quasi-Norm Regularization for Low-Rank Tensor Completion and Tensor Robust Principal Component Analysis. Transactions on Machine Learning Research. 2023.01.
[2] Jicong Fan, Yiheng Tu, Zhao Zhang, Mingbo Zhao, Haijun Zhang. A Simple Approach to Automated Spectral Clustering. NeurIPS 2022. (acceptance rate=25.6%)
[3] Jinyu Cai, Jicong Fan*. Perturbation Learning Based Anomaly Detection. NeurIPS 2022.
[4] Jicong Fan. Multi-Mode Deep Matrix and Tensor Factorization. ICLR 2022. (acceptance rate=32.3%)
[5] Jicong Fan. Large-Scale Subspace Clustering via k-Factorization. KDD 2021. (acceptance rate=15.4%)
[6] Jicong Fan, Chengrun Yang, Madeleine Udell. Robust Non-Linear Matrix Factorization for Dictionary Learning, Denoising, and Clustering. IEEE Transactions on Signal Processing, 2021(69): 1755-1770.
[7] Jicong Fan, Lijun Ding, Yudong Chen, Madeleine Udell. Factor group sparse regularization for efficient low-rank matrix recovery. NeurIPS 2019. (acceptance rate=21.1%)
[8] Jicong Fan, Madeleine Udell. Online high-rank matrix completion. CVPR 2019. Oral Presentation. (acceptance rate=5.6%)
职务/职称：
深圳市大数据研究院研究科学家
香港中文大学（深圳）研究副教授
研究方向：
人工智能、机器学习
电子邮箱：
wyli@cuhk.edu.cn
教育背景：
山东大学理学学士
中国科学院软件研究所工学硕士
香港中文大学哲学博士
主要成果/荣誉：
1) 香港中文大学（深圳）校长模范教学奖, 2021.
2) ACM-CIKM最佳（短）论文奖提名, 2021.
3) IEEE-ICAL最佳论文奖提名, 2011.
4) IEEE-ICAL最佳论文奖, 2010.
个人介绍：
李博士2007到2009年分别在香港中文大学和加拿大阿尔伯塔大学从事博士后研究，2009到2016年在澳门理工学院任教。2016年8月，李博士加入香港中文大学（深圳）和深圳市大数据研究院，从事计算机和信息科学领域的教学科研工作。
李博士在机器学习和人工智能领域发表了40余篇第一作者论文，已完成6项政府委托的基础研究项目。他常年担任NIPS、IJCAI、AAAI等多个学术会议的组织者和审稿人。
代表性论文：
1) Li Wenye, Yu F., Ma Z. (2023) Metric Nearness Made Practical. In The 37th AAAI Conference on Artificial Intelligence (AAAI’2023).
2) Li Wenye, Yu F. (2022) Calibrating Distance Metrics Under Uncertainty. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2022
(ECML’2022).
3) Li Wenye (2020) Modeling Winner-Take-All Competition in Sparse Binary Projections. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2020 (ECML’2020).
4) Li Wenye, Mao J., Zhang Y., Cui S. (2018) Fast Similarity Search viaOptimal Sparse Lifting. In Advances in Neural Information Processing Systems 31 (NeurIPS’2018).
5) Li Wenye, Zhang J., Zhou J., Cui L. (2018) Learning Word Vectors with Linear Constraints: A Matrix Factorization Approach. In 27th International Joint Conference on Artificial Intelligence (IJCAI’2018).
职务/职称：
深圳市大数据研究院研究科学家
香港中文大学（深圳）研究副教授
研究方向：
人工智能、机器学习
电子邮箱：
wyli@cuhk.edu.cn
教育背景：
山东大学理学学士
中国科学院软件研究所工学硕士
香港中文大学哲学博士
主要成果/荣誉：
1) 香港中文大学（深圳）校长模范教学奖, 2021.
2) ACM-CIKM最佳（短）论文奖提名, 2021.
3) IEEE-ICAL最佳论文奖提名, 2011.
4) IEEE-ICAL最佳论文奖, 2010.
个人介绍：
李博士2007到2009年分别在香港中文大学和加拿大阿尔伯塔大学从事博士后研究，2009到2016年在澳门理工学院任教。2016年8月，李博士加入香港中文大学（深圳）和深圳市大数据研究院，从事计算机和信息科学领域的教学科研工作。
李博士在机器学习和人工智能领域发表了40余篇第一作者论文，已完成6项政府委托的基础研究项目。他常年担任NIPS、IJCAI、AAAI等多个学术会议的组织者和审稿人。
代表性论文：
1) Li Wenye, Yu F., Ma Z. (2023) Metric Nearness Made Practical. In The 37th AAAI Conference on Artificial Intelligence (AAAI’2023).
2) Li Wenye, Yu F. (2022) Calibrating Distance Metrics Under Uncertainty. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2022
(ECML’2022).
3) Li Wenye (2020) Modeling Winner-Take-All Competition in Sparse Binary Projections. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2020 (ECML’2020).
4) Li Wenye, Mao J., Zhang Y., Cui S. (2018) Fast Similarity Search viaOptimal Sparse Lifting. In Advances in Neural Information Processing Systems 31 (NeurIPS’2018).
5) Li Wenye, Zhang J., Zhou J., Cui L. (2018) Learning Word Vectors with Linear Constraints: A Matrix Factorization Approach. In 27th International Joint Conference on Artificial Intelligence (IJCAI’2018).
职务/职称：
深圳市大数据研究院研究科学家
香港中文大学（深圳）研究副教授
研究方向：
人工智能、机器学习
电子邮箱：
wyli@cuhk.edu.cn
教育背景：
山东大学理学学士
中国科学院软件研究所工学硕士
香港中文大学哲学博士
主要成果/荣誉：
1) 香港中文大学（深圳）校长模范教学奖, 2021.
2) ACM-CIKM最佳（短）论文奖提名, 2021.
3) IEEE-ICAL最佳论文奖提名, 2011.
4) IEEE-ICAL最佳论文奖, 2010.
个人介绍：
李博士2007到2009年分别在香港中文大学和加拿大阿尔伯塔大学从事博士后研究，2009到2016年在澳门理工学院任教。2016年8月，李博士加入香港中文大学（深圳）和深圳市大数据研究院，从事计算机和信息科学领域的教学科研工作。
李博士在机器学习和人工智能领域发表了40余篇第一作者论文，已完成6项政府委托的基础研究项目。他常年担任NIPS、IJCAI、AAAI等多个学术会议的组织者和审稿人。
代表性论文：
1) Li Wenye, Yu F., Ma Z. (2023) Metric Nearness Made Practical. In The 37th AAAI Conference on Artificial Intelligence (AAAI’2023).
2) Li Wenye, Yu F. (2022) Calibrating Distance Metrics Under Uncertainty. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2022
(ECML’2022).
3) Li Wenye (2020) Modeling Winner-Take-All Competition in Sparse Binary Projections. In The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2020 (ECML’2020).
4) Li Wenye, Mao J., Zhang Y., Cui S. (2018) Fast Similarity Search viaOptimal Sparse Lifting. In Advances in Neural Information Processing Systems 31 (NeurIPS’2018).
5) Li Wenye, Zhang J., Zhou J., Cui L. (2018) Learning Word Vectors with Linear Constraints: A Matrix Factorization Approach. In 27th International Joint Conference on Artificial Intelligence (IJCAI’2018).
