【11月28日】统计学学术讲座
报告题目：Multilinear Low-Rank Vector Autoregressive Modeling via Tensor Decomposition
主讲人：练恒副教授（香港城市大学）
时间：2019年11月28日（周四）10:00 a.m.
地点：北院卓远楼305会议室
主办单位：统计与数学学院
摘要：Abstract: The VAR model involves a large number of parameters so it can suffer from the curse of dimensionality for high-dimensional time series data. The reduced-rank coefficient model can alleviate the problem but the low-rank structure along the time direction for time series models has never been considered. We rearrange the parameters in the VAR model to a tensor form, and propose a multilinear low-rank VAR model via tensor decomposition that effectively exploits the temporal and cross-sectional low-rank structure. Effectiveness of the methods is demonstrated on simulated and real data.
主讲人简介：
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。研究方向包括高维数据分析，函数数据分析，机器学习等。在《Journal of the Royal Statistical Society，Series B》、《Journal of the American Statistical Association》等国际顶级统计学期刊上发表高水平学术论文30多篇。
主讲人：练恒副教授（香港城市大学）
时间：2019年11月28日（周四）10:00 a.m.
地点：北院卓远楼305会议室
主办单位：统计与数学学院
摘要：Abstract: The VAR model involves a large number of parameters so it can suffer from the curse of dimensionality for high-dimensional time series data. The reduced-rank coefficient model can alleviate the problem but the low-rank structure along the time direction for time series models has never been considered. We rearrange the parameters in the VAR model to a tensor form, and propose a multilinear low-rank VAR model via tensor decomposition that effectively exploits the temporal and cross-sectional low-rank structure. Effectiveness of the methods is demonstrated on simulated and real data.
主讲人简介：
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。研究方向包括高维数据分析，函数数据分析，机器学习等。在《Journal of the Royal Statistical Society，Series B》、《Journal of the American Statistical Association》等国际顶级统计学期刊上发表高水平学术论文30多篇。
