2021年11月14日,，應(yīng)數(shù)學(xué)與信息科學(xué)學(xué)院邀請,，浙江大學(xué)林俊宏教授通過騰訊會議為我院師生做學(xué)術(shù)報告,。河南師范大學(xué)的相關(guān)專業(yè)教師、研究生參加了此次學(xué)術(shù)會議,。
林俊宏教授作了題為” Convergences of sketched-regularized algorithms”的報告。林俊宏教授介紹了在重現(xiàn)希爾伯特核空間上的非參數(shù)回歸的背景下,，研究了適應(yīng)RKHS的一個封閉子空間上的正交投影算子的正則算法,。證明了在假設(shè)空間的容量假設(shè)和目標(biāo)函數(shù)的正則性條件下，與規(guī)范的變體有關(guān)的收斂結(jié)果,。得到最終的結(jié)論為：只要草圖維度與有效維度成正比,，并達到對數(shù)系數(shù)，就能得到具有隨機草圖的正則化算法的最佳速率,。
專家簡介：
林俊宏,，浙江大學(xué)“百人計劃”研究員、博士生導(dǎo)師,；浙江大學(xué)理學(xué)博士（應(yīng)用數(shù)學(xué)專業(yè)）,，香港城市大學(xué)和瑞士洛桑聯(lián)邦理工大學(xué)博士后/研究員。主要研究方向為壓縮感知理論和學(xué)習(xí)理論,。已在ACHA,、 JMLR、TIT,、TSP,、ICML、 NeurIPS 等國際主流期刊/會議上發(fā)表論文20余篇,。主持國家自然科學(xué)基金面上項目等,，入選浙江省省級人才計劃。
