主题：A Generalized Quadratic Lower-Bound (G-QLB) Algorithm and Its Applications
主讲人：田国梁 南方科技大学
主持人：姜云卢 暨南大学
时间：2024年11月8日（周五）下午16:30-17:30
地点：暨南大学石牌校区经济学院大楼（中惠楼）403室
摘要
我们首次提出了广义二次下界（Generalized Quadratic Lower-Bound, G-QLB）算法，这是传统QLB算法（Bohning & Lindsay 1988）的一个自然扩展，用于优化一类复杂统计模型中的对数似然函数。不同于原始的QLB算法, 它要求使用者找到一个常数正定矩阵B (>0)，使得∇²ℓ(θ) + B ≥ 0，G-QLB算法允许常数矩阵B是一个可以依赖于θ的矩阵函数B(θ)来放宽这一条件, 其中∇²ℓ(θ)是对数似然函数ℓ(θ)的 Hessian矩阵，θ是感兴趣的参数向量。G-QLB算法由两步迭代组成: (1) SeLF-步自适应地选择B(θ); (2) M-步求替代函数的最大值。理论证明，G-QLB算法具有稳定的收敛性。实验结果表明，与现有方法相比，该算法具有明显的优点。因此G-QLB算法将成为高维模型中参数估计和对数似然最大化的有用工具。
主讲人简介
田国梁博士曾在美国马里兰大学从事医学统计研究六年, 在香港大学统计与精算学系任副教授八年, 从2016年6月至今在南方科技大学统计与数据科学系任教授、博士生导师、副系主任。他目前的研究方向为EM/MM/US算法在统计中的应用、(0, 1) 区间上连续比例数据以及多元连续比例数据的统计分析、多元零膨胀计次数据分析, 在国外发表150余篇SCI论文、出版3本英文专著、在科学出版社出版英文教材2本。他是四个国际统计期刊的副主编。主持国家自然科学基金面上项目二项、主持深圳市稳定支持面上项目一项、参加国家自然科学基金重点项目一项。
欢迎感兴趣的师生参加
校对| 姜云卢
责编| 彭 毅
初审| 姜云卢
终审发布| 何凌云
（来源：暨南大学经济学院微信公众号）
