首页 | 用户登录 | 旧版网站 | 加入收藏

科学研究

您当前的位置>科学研究>科研信息

学术报告(郑泽敏 4.28)

日期:2017-04-18浏览次数:304

学术报告(郑泽敏 4.28)

 

题 目:Scalable Interpretable Multi-Response Regression via SEED

报告人:郑泽敏

时 间:20174月28日(周五)   下午3:30-4:30

地 点:新数学楼415

摘 要:

Sparse reduced-rank regression is an important tool to uncover meaningful dependence structure between large numbers of predictors and responses in many big data applications such as genome-wide association studies and social media analysis. Despite the recent theoretical and algorithmic advances, scalable estimation of sparse reduced-rank regression remains largely unexplored. In this paper, we suggest a scalable procedure called sequential estimation with eigen-decomposition (SEED) which needs only a single top-r singular value decomposition to find the optimal low-rank and sparse matrix by solving a sparse generalized eigenvalue problem. Our suggested method is not only scalable but also performs simultaneous dimensionality reduction and variable selection. Under some mild regularity conditions, we show that SEED enjoys nice sampling properties including consistency in estimation, rank selection, prediction, and model selection. Numerical studies on synthetic and real data sets show that SEED outperforms the state-of-the-art approaches for large-scale matrix estimation problem. 

个人简介:

郑泽敏博士毕业于南加州大学,现为中国科学技术大学管理学院统计与金融系特任教授。他的研究领域是高维统计推断,研究兴趣包括高维情况下的模型选择、分类、传播网络推断以及大数据问题。其研究成果发表在Journal of the Royal Statistical Society Series B, The Annals of Statistics, Journal of Machine Learning Research 等统计学顶级刊物上。曾获美国数理统计协会颁发的科研新人奖(IMS Travel Award)以及南加州大学的杰出科研奖(Prize for Excellent in Research),入选中组部第十三批“青年千人计划”。  

欢迎广大师生参加!

华南统计科学研究中心

2017/4/18