报告题目：Randomized Sketches forKernel Canonical Correlation Analysis
报告人：练恒（香港城市大学数学系副教授）
报告时间：2020年6月26日(星期五)上午10：00-12：00
腾讯会议链接：https://meeting.tencent.com/s/Veoo3RBC1ZaI
会议ID：580 113 815
报告摘要：Kernel canonical correlation analysis (KCCA) is a popular tool as a nonlinear extension of canonical correlation analysis. Consistency and optimal convergence rate have been established in the literature. However, the time complexity of KCCA is prohibitive when n is large. We consider an m-dimensional randomized sketches approach for KCCA with m much smaller than n, based on the recent work on randomized sketches for kernel ridge regression (KRR).
报告人简介：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。先后在新加坡南洋理工大学，澳大利亚新南威尔士大学，和香港城市大学工作。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》等国际期刊上发表学术论文100多篇.
邀请人：陈迪荣
