报告题目：Planar Domain Parametrization Based on Deep Neural Network

主讲人：陈发来教授

单位：中国科学技术大学

时间：11月4日10:00

地点：学院二楼会议室

摘要：Planar Domain Parametrization Based on Deep Neural Network Iso-geometric analysis (IGA) is a popular approach that integrates Computer Adied Design(CAD) and Computer Aided Engineering. A critical step in IGA is domain parameterization, which involves finding a mapping from the parametric domain to a specific computational domain. In this talk, we will apply deep neural network to train boundary correspondence and interior map. Examples are provided to demonstrate that the deep learning approach produces parametrization results with higher quality than the state-of-the-art methods.

简介：陈发来，现为中国科学技术大学数学系教授、博士生导师，曾担任中国工业应用数学学会常务理事（2004-2016），中国工业应用数学学会几何设计与计算专委会主任（2015-1019），中国计算数学学会常务理事（2004—2012），安徽省数学会秘书长（2003-2019），国务院学位委员会数学学科评审组成员（2009-2019），教育部高等学校数学与统计学教学指导委员会委员（2006-2022）,《Computer Aided Geometric Design》,《Visual Computer》，《Numerical Mathematics: Theory, Methods and Applications》,《计算机辅助设计与图形学学报》等期刊编委。曾于1997年，2001年年两次获国家级教学成果二等奖。2001年获教育部高校青年教师奖，2002年获国家自然科学基金杰出青年基金，2003年获宝钢优秀教师奖特等奖，2008年获中国计算机图形学杰出奖，2009年获冯康科学计算奖，2010年获全国百篇优博论文指导教师奖，2016年获中组部“万人计划”教学名师。研究方向为计算机辅助几何设计与几何建模。近来感兴趣的研究课题包括：曲面隐式化的动曲面方法，曲面求交, T网格上的样条曲面，等几何分析及其在拓扑优化中的应用,基于稀疏优化的几何处理等。