報告題目： A Geometric Proximal Gradient Method for Sparse Least Squares Regression with Probabilistic Simplex Constraint
報 告 人：白正簡 教授 廈門大學
報告時間：2022年06月10日 09:00-10:00
報告地點：騰訊會議 ID：784-274-543
會議鍊接：https://meeting.tencent.com/dm/IU7ZC8oGop6D
校内聯系人：刁懷安 diao@jlu.edu.cn
報告摘要：In this talk, we consider the sparse least squares regression problem with probabilistic simplex constraint. Due to the probabilistic simplex constraint, one could not apply directly the L1-regularization to the considered regression model. To find a sparse solution, we reformulate the sparse least squares regression problem as a nonconvex and nonsmooth L1-regularized minimization problem over the unit sphere. Then we propose a geometric proximal gradient method for solving the regularized problem with a varied regularized parameter, where the explicit expression of the global solution to every involved subproblem is obtained. The global convergence of the proposed method is established under some mild assumptions. Some numerical results are reported to illustrate the effectiveness of the proposed algorithm.
報告人簡介：白正簡，廈門大學教授、博士生導師。2004年博士畢業于香港中文大學，曾在新加坡國立大學和意大利Insubria 大學作博士後和訪問學者。主要研究方向為數值代數、特征值問題及其逆問題、矩陣流形及其在數據科學中的應用等。曾主持國家自然科學基金面上項目和福建省傑出青年基金。在SIAM系列, Numer. Math., Inverse Problems等本學科主流期刊上發表學術論文40餘篇。曾獲得2009年度福建省科學技術獎二等獎和2010年度“教育部新世紀優秀人才支持計劃”入選者。
