主  题：Robust Time-Varying Topological Signal Processing

时  间:5月24日(周三) 15：00-16：00

主讲人：Ercan Engin Kuruoglu

地  点：信电楼508

记录人：刘彪

内  容：

  图信号处理和图神经网络的研究已经发展到为各种应用提供最先进的解决方案，从交通数据分析到气象数据分析。然而图只提供变量之间一对一关系的量化拓扑数据分析，图数据分析的扩展为揭示多个变量之间隐藏的关系提供了更大的潜力。Ercan教授的讲解分以下四个章节：首先介绍了图形和图形信号处理 （GSP） 基础知识，然后详细阐述了自适应 GSP 算法，超越节点的图形信号处理，最后讲解了使用动态拓扑绘制数据图。

在图形和图形信号处理 （GSP） 基础知识章节中Ercan教授讲解了什么是图，图信号的定义，图傅里叶变换 （GFT）以及所面临的挑战。

接下来介绍了Adaptive GSP，自适应GSP（Adaptive GSP）是一种改进的序列模式挖掘算法，用于从序列数据中发现频繁出现的模式或规则。GSP代表Generalized Sequential Pattern（广义序列模式），它是一种经典的序列模式挖掘算法。

在超越节点的图形信号处理章节中Ercan教授讲解了Simplicial Complexes（单纯复形）和Graphs（图）是两个重要的概念，它们在拓扑数据分析和空间建模中扮演着关键角色。

接着Ercan教授讲解了折线图的限制，Adaptive Hodge-NLMS，以及Hodge-NLMS和Graph-NLMS的对比。

在沙龙的最后，Ercan教授讲解了交互节点和边缘信号的联合估计并通过实验得出了结果。