报告题目：Randomized tensor decomposition and optimization in the Tucker and tensor train formats
报 告 人：练 恒 副教授
所在单位：香港城市大学
报告时间：2023年4月3日 星期一 14:00-15:00
报告地点：腾讯会议 ID: 280412869
校内联系人：赵世舜 zhaoss@jlu.edu.cn
报告摘要：Problems involving a low-rank tensor with a Tucker format or a tensor train (TT) format, such as the tensor decomposition or tensor optimization problems, have been frequently studied in the literature. Motivated by the success of randomized algorithms for low-rank matrix decomposition, we develop randomized algorithms for these two tensor formats and present a detailed theoretical analysis of the randomized tensor decomposition as well as on its use in the optimization and regression problem. We provide error bounds both in expectation and bounds with high probability.
报告人简介：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。
