主題：High-dimensional Quantile Tensor Regression
主要內容：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. In this paper, 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 use a sparse Tucker decomposition, which is a popular approach in the literature, 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.
專家姓名：朱仲義
工作單位：復旦大學
專長和學術成就：專業研究方向為：保險精算；縱向數據(面板數據)模型；分位數回歸模型等。主持完成國家自然科學基金四項、國家社會科學基金一項，作為子項目負責人完成國家自然科學基金重點項目一項。目前主持國家自然科學基金重大項目子項目一項，重點項目子項目一項，面上項目一項。近幾年發表論文100多篇(其中包括在國際頂級刊物：J.R.Stat.Soc B, J.A.S.A., Ann. Statist. 和Biometrika等SCI論文五十多篇) 。第一完成人獲得教育部自然科學二等獎一次。
專家簡介：朱仲義教授是復旦大學管理學院統計系教授，博士生導師；曾任中國概率統計學會第八、九屆副理事長,國際著名雜志”Statistica Sinica”副主編; “應用概率統計”, “數理統計與管理”雜志編委，中國統計教材編審委員會委員；現為Elected Member of the ISI（國際數理統計學會）； ”中國科學：數學”雜志編委。專業研究方向為：保險精算；縱向數據(面板數據)模型；分位數回歸模型等。主持完成國家自然科學基金四項、國家社會科學基金一項，作為子項目負責人完成國家自然科學基金重點項目一項。目前主持國家自然科學基金重大項目子項目一項，重點項目子項目一項，面上項目一項。近幾年發表論文100多篇(其中包括在國際頂級刊物：J.R.Stat.Soc B, J.A.S.A., Ann. Statist. 和Biometrika等SCI論文五十多篇) 。第一完成人獲得教育部自然科學二等獎一次。
時間：2021-04-09 14:00:00
地點：經管學院335