8月20日上午，美国天普大学张凯副教授应邀来校作学术报告，报告会在学科3号楼S410会议室举行，由自动化学院院长刘青山教授主持。

本次报告的题目为《Mining big data with recapitulated randomness》。张教授指出，矩阵低秩分解在现代科学计算和优化算法中起着重要作用，随机算法在计算部分因其近似因子分解有理论性能保证而获得了极大的关注，但操纵整个输入矩阵需要消耗大量的内存和计算空间。报告重点阐述了基于矩阵采样与数据压缩之间潜在联系的双边采样框架，及该框架的优越性。张教授指出，该框架可以在时间和空间上有效地减少矩阵计算的复杂度，同时，通过顺序组合两轮采样进程并将采样策略从均匀采样升级到更复杂的编码导向聚类，实现显著的算法提升，从而挖掘到数据中更深层次的信息。在数据模拟和真实世界的大规模无监督、半监督及迁移学习的相关问题的实验中，该方法在效率和准确性方面都有较好的性能。

报告结束后，张教授和与会师生就矩阵采样和数据压缩进行了深入的交流。