学术|学术·预告 | “统计大讲堂”第142讲——高维张量分位回归

统计大讲堂
LECTURE OF STATISTICS
中国人民大学统计学院
应用统计科学研究中心
报告时间:2021年1月12日(周二)
下午 15:00
报告形式:腾讯会议
(会议 ID:308 242 895)
报告嘉宾:练恒
报告主题:High-dimensional tensor quantile regression
报告摘要
个人简介
High-dimensional tensor quantile regression
Quantile regression is an indispensable tool for statistical learning. Traditional quantile regression methods consider vector-valued covariates and estimate the corresponding coefficient vector. Many modern applications involve data with a tensor structure. We propose a quantile regression model which takes tensors as covariates, and present an estimation approach based on Tucker decomposition. It effectively reduces the number of parameters, leading to efficient estimation and feasible computation. We also introduce a sparse Tucker decomposition to further reduce the number of parameters when the dimension of the tensor is large. We propose an alternating update algorithm combined with alternating direction method of multipliers (ADMM). The asymptotic properties of the estimators are established under suitable conditions. The numerical performances are demonstrated via simulations and an application to a crowd density estimation problem.
【学术|学术·预告 | “统计大讲堂”第142讲——高维张量分位回归】报告摘要
个人简介

学术|学术·预告 | “统计大讲堂”第142讲——高维张量分位回归
文章图片

练恒 , 现任香港城市大学数学系副教授 , 于2000年在中国科学技术大学获得数学和计算机学士学位 , 2007年在美国布朗大学获得计算机硕士 , 经济学硕士和应用数学博士学位 。 先后在新加坡南洋理工大学 , 澳大利亚新南威尔士大学 , 和香港城市大学工作 。 在高水平国际期刊上发表学术论文30多篇 , 包括《Annals of Statistics》《Journal of the Royal Statistical Society , Series B》《Journal of the American Statistical Association》《Journal of Machine Learning Research》《IEEE Transactions on Pattern Analysis and Machine Intelligence》 。 研究方向包括高维数据分析 , 函数数据分析 , 机器学习等 。
所有消息会在两个群中同步通知
请大家不要重复加群~
编辑 / 网络运营部

    推荐阅读