12月23日，应福建省信息处理与智能控制重点实验室的邀请，南京理工大学、计算机科学与工程学院院长杨健教授，在工科楼作了一场主题为“二维表征学习：方法和应用”的精彩报告。
报告中，杨健教授从表示学习的定义出发，介绍了2D子空间学习方法，详细讲解了2DPCA模型和改进的基于核范数的2DPCA算法的优缺点。杨健教授指出，L2范数约束对高斯分布的噪声有效，L1范数约束对拉普拉斯分布噪声有效，而核范数能够非常有效地处理实际图像中极端的光照影响和遮挡影响。他还介绍了回归模型在图像表示及分类中的应用及其在深度学习领域的最新研究工作。
杨健教授长期从事模式识别理论与应用方面的研究，是长江学者特聘教授，国家杰出青年基金获得者。2016年起任南京理工大学计算机学院院长，主持了国家自然科学基金重点项目，国家杰出青年科学基金项目，国家973课题等项目。在IEEE Transactions及Pattern Recognition等国际SCI源期刊上发表论文100余篇。SCI被引用4000余次，单篇SCI他引1000余次，Google Scholar被引用10000余次。担任/曾担任国际学术期刊Pattern Recognition, IEEE Trans. on Neural Networks and Learning Systems和Pattern Recognition Letters, Neurocomputing的编委。2016年入选IAPR Fellow。曾获国家自然科学二等奖（第二完成人）；第十一届中国青年科技奖；被授予“有突出贡献中青年专家”称号。
（计算机系 梁礼燕 通讯员 刘思林）