6月5日，应数学与统计学院的邀请，浙江理工大学沈益教授线上为我院师生作题为“Descending Iterative Hard Thresholding: A Robust Approach to Sparse Recovery under Heavy-Tailed Noise ”的学术报告。数学与统计学院师生共十余人参加此次报告。

本次报告，沈老师首先介绍了压缩感知的基本理论与算法，在众多相关算法中，自适应迭代硬阈值（AIHT1）算法以其简洁高效的特性受到研究者关注。然而，该算法在重尾噪声干扰和观测数量有限的现实场景中存在明显局限性。随后，针对这一挑战，提出新型下降式迭代硬阈值算法（DIHT）。该方法在AIHT1算法框架基础上，创新性地引入回溯线性搜索机制，其动机在于提升压缩感知在重尾噪声环境下的稳定性并加速收敛速率。最后，沈老师通过理论分析与实验验证了该方法的有效性。

报告结束后，沈老师对师生提出的相关问题进行了积极的回答，开拓了在场学生的科研视野，受益匪浅。

专家简介：

沈益，浙江理工大学数学科学系教授，博导，浙江省应用数学研究会副理事长；毕业于浙江大学数学系，获数学博士学位（导师：李松教授）；从事应用调和分析、信息论、逼近论等相关领域的研究；曾主持国家级青年人才项目，浙江省领军人才项目，国家自然科学基金面上项目，青年项目等；成果发表于Appl Comput Harmon A、IEEE T Inform Theory、IEEE T Signal Proces、J Approx Theory、J Fourier Anal Appl、Comput Aided Geom D、J Complexity等期刊，曾获“浙江省优秀数学教师”称号。

（数学与统计学院 耿欣欣  李海锋）