学术报告
报告题目：Multilinear Low-Rank Vector Autoregressive Modeling via Tensor Decomposition
报告人：练恒  香港城市大学数学系  副教授  博士生导师
报告时间：2018年9月13日  （周四） 上午10: 00

报告地点：博识楼434室

报告摘要：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. 

报告人简介：练恒副教授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。目前的主要研究方向包括高维数据分析，函数数据分析，机器学习等，已在包括统计学顶级期刊JASA、AOS、JRSSB在内的国际SCI期刊上已发表论文100余篇。
欢迎感兴趣的老师和研究生参加！