报告人：薛凌洲
报告地点：腾讯会议ID: 270411484
报告时间：2024年12月20日星期五10:00-11:00
报告摘要：
Folded concave penalization methods have been shown to enjoy the strong oracle property for high-dimensional sparse estimation. In this talk, we will revisit the challenging fundamental issue: does the local optimum computed by a given optimization algorithm possess those nice theoretical properties? We provide a unified theory to show explicitly how to obtain the oracle solution via the local linear approximation algorithm.
主讲人简介：
薛凌洲，宾夕法尼亚州立大学统计学副教授。2008年获北京大学统计学学士学位，2012年获明尼苏达大学统计学博士学位。2012-2013，他在普林斯顿大学做博士后。他的研究兴趣包括高维统计，统计机器学习，优化算法，和统计在生物科学，商业分析和环境科学等领域的应用。他的研究得到了美国国家科学基金会(NSF)和美国国立卫生研究院(NIH)的支持。
