100元2小时不限次数电话号码,全国空降200元快餐联系方式,24小时微信快餐妹,全国同城约资源匹配系统

科学研究
学术报告
当前位置: 学院主页 > 科学研究 > 学术报告 > 正文

数苑学术沙龙第五十五讲 Sufficient Dimension Reduction: A generalization of Canonical Correlation Analysis

发布时间：2018-05-17 作者： 浏览次数：
Speaker: 於州教授 DateTime: 2018年5月24日（周四）下午2点30分—3点30分
Brief Introduction to Speaker:

於州教授，华东师范大学（上海东方学者）

 Place: 6401
Abstract:It is increasingly interesting to model the relationship between high dimensional covariates and the corresponding response. Sliced inverse regression (SIR) is an innovative and effective method for sufficient dimension reduction and data visualization, we in this article formulate the Sparse Sliced Inverse Regression (Sparse SIR) as a generalization of the CCA approach, and propose a new sparse SIR method that recasts high-dimensional SIR as a convex problem. Theoretical results show that Sparse SIR can consistently estimate the true dimension reduction space with an overwhelming probability in ultra-high dimensions. Numerical results also demonstrate the competitive performance of our proposed estimation methods
主站蜘蛛池模板： 黑山县| 龙里县| 佛山市| 恩施市| 瑞昌市| 河南省| 图们市| 武隆县| 高清| 英山县| 密山市| 朔州市| 上虞市| 辽源市| 乌兰察布市| 收藏| 昆山市| 永春县| 宜阳县| 婺源县| 蛟河市| 尉氏县| 长寿区| 潜江市| 敖汉旗| 滕州市| 保定市| 巫溪县| 铁岭县| 武川县| 松潘县| 安义县| 稻城县| 唐山市| 墨玉县| 宁远县| 连江县| 青神县| 兰西县| 平远县| 建平县|