报告人简介：BernhardKeller是巴黎大学教授、中国科学技术大学客座教授、著名代数学家，在微分分次理论、丛理论以及Hochschild同调理论中均做出了奠基性的学术成果。Keller教授是法国科学院“索菲·热尔曼”2014年度大奖得主、法国大学研究院资深成员、挪威皇家科学通讯院士、比利时安特卫普大学荣誉博士、国际数学家大会ICM邀请报告人以及美国数学会会士。BernhardKeller任国际知名杂志AdvancesinMathematics以及ForumofMathematicsPi编委。

报告人简介：BernhardKeller是巴黎大学教授、中国科学技术大学客座教授、著名代数学家，在微分分次理论、丛理论以及Hochschild同调理论中均做出了奠基性的学术成果。Keller教授是法国科学院“索菲·热尔曼”2014年度大奖得主、法国大学研究院资深成员、挪威皇家科学通讯院士、比利时安特卫普大学荣誉博士、国际数学家大会ICM邀请报告人以及美国数学会会士。BernhardKeller任国际知名杂志AdvancesinMathematics以及ForumofMathematicsPi编委。

摘要：Inthistalk,wewilltalkaboutsomepropertiesofd-compatibilitydegreeofclusteralgebras.Wewillusesomecombinatorialinformationonahexagontoanalogizethecombinationsofclusteralgebras,andusethenumberofcrossingsbetweentwodiagonalsofthehexagontoanalogizethed-compatibilitydegreeofclusteralgebras.ThistalkisbasedonajointworkwithProfessorFangLi.

阿里巴巴资深算法专家杨红霞博士学术报告会题目：认知图谱时间：2020年12月30日15:15-16:30地点：科大西区科技实验楼西楼118会议室

摘要：我们会粗略介绍一下朗兰兹纲领的发展历史，让同学们对朗兰兹纲领有一些最初步的了解。

摘要：代数动力系统是由多项式定义的动力系统。我们介绍怎样通过次数增长来测量代数动力系统的复杂性以及它与拓扑或算数复杂性之间的关系。

报告摘要:TheworldwideflourishingoftheInternetofThings(IoT)inthepastdecadehasenablednumerousnewapplicationsthroughtheinternetworkingofawidevarietyofdevicesandsensors.Morerecently,visualsensorshaveseentheirconsiderableboomingbecausetheyusuallycapableofprovidingricherandmoreversatileinformation.InternetworkingoflargescalevisualsensorshasbeennamedInternetofVideoThings(IoVT).IoVThasitsownuniquecharacteristicsinsensing,transmission,storage,andanalysis,whichareessentiallydifferentfromconventionalIoT.ThesenewcharacteristicsofIoVTareexpectedtoimposesignificantchallengestoexistingtechnicalinfrastructures.Inthistalk,anoverviewofrecentadvancesinvariousfrontsofIoVTwillbeintroducedandabroadrangeoftechnologicalandsystemchallengeswillbepresented.Thistalkwillalsooutlinefivemajorapplicationareas.

摘要：Normalapproximationisarguablyrecognizedasoneofthemostwidelyusedtoolsintheoreticalprobabilityandappliedstatistics.AlotofpowerfulmethodsandtrickshavebeensuccessfullydevelopedinestablishingnormalapproximationsforvariousstatisticssincetheclassicdeMoivreandLaplacecentrallimittheoremwasprovedintheearly19thcentury.InthistalkIshallbrieflyreviewsomerecentadvancesonnormalapproximationsforlineareigenvaluestatisticsinrandommatrixtheory.Incontrasttotheclassiccentrallimittheoremsforsumsofi.i.d.r.v.’s,oneusuallyrequiresthetestfunctionfsatisfiesacertainstrongregularity(smoothness)conditioninthestudyoflineareigenvaluestatistics,sayPni=1f(λi),wheretheλiareeigenvaluesofarandommatrix.Whattestfunctionisgoodseemstodependheavilyonthetricksusedintheargument.

摘要：WediscusstherelationsbetweenvariousCalabi-Yaucategoriesofgentletypeandtheirtopologicalrealizations.ThisisajointworkwithIkedaandZhou.

摘要：InthistalkIwillfirstreviewapowerfulmethod—Steinmethodinthestudyofconvergencerateofrandomvariablestonormallaws,andthenapplytheSteinmethodtonormalapproximationsoflineareigenvaluestatistics.ThislatterpartisbasedonarecentworkbyLambert,Ledoux,Webb(2020)