2021年6月15日下午，浙江大学林俊宏研究员给统计与运筹系师生做题为“Convergences of sketched-regularized algorithms”报告，报告由陈迪荣教授主持。
高维问题具有广泛应用背景，如何处理维数增大所带来的问题是一个很有挑战性的课题。Skeched算法是一个通过把低维向量随机恢复成高维向量来解决此问题的方法。林俊宏研究员在报告中介绍了正则化Skeched回归算法🏬，报告了他与合作者利用空间复杂度建立的学习率，该学习率只用到本质维数🍺，而且达到最优界Ⓜ️。
报告结束后，参会师生就报告内容进行了讨论。
报告人简介：林俊宏🍄，浙江大学“百人计划”研究员💕、博士生导师。 2013年获浙江大学理学博士学位，曾在香港城市大学、意大利技术研究院🪤、瑞士洛桑联邦理工大学担任博士后及研究员。主要研究方向为学习理论和压缩感知理论。已在Applied Computational and Harmonic Analysis🕢🌵、Journal of Machine Learning Research、IEEE Transactions on Signal Processing、IEEE Transactions on Information Theory、ICML、NeurIPS 等国际主流期刊/会议上发表论文20余篇♞。主持国家自然科学基金面上项目等🥴。
