耶鲁大学教授亲自授课,教你EM算法的全局收敛

Online Seminar on Mathematical Foundations of Data Science (Math for DS) [1]是在线的、每周举办的系列研讨会。研讨会旨在讨论数据科学、机器学习、统计以及优化背后的数学原理,邀请了北美诸多知名学者进行主题演讲。『运筹OR帷幄』和『机器之心』作为合作媒体,将在B站发布往期的回放视频。本期,受邀嘉宾将为我们带来主题为“Global Convergence of EM?”的演讲。

耶鲁大学教授亲自授课,教你EM算法的全局收敛

Online Seminar on  Mathematical Foundations of Data Science(Math4DS)是在线的、每周举办的系列研讨会,其内容涵盖数据科学、机器学习、统计以及优化背后的数学基础。

有关研讨会的公告可通过点击http://orai-china.com/,链接到国内镜像网址获得。

此外,『运筹OR帷幄』公众号平台会及时预告研讨会的最新消息,敬请关注!

Math for DS 第三十八期线上直播预告

主题:Global Convergence of EM?

嘉宾:Harrison Zhou, Yale University

时间:北京时间4月9日23:00

地点:Zoom,公众号后台回复 Math4DS

主题介绍

In this talk I will first discuss a recent joint work with Yihong Wu: https://arxiv.org/abs/1908.10935. We show that the randomly initialized EM algorithm for parameter estimation in the symmetric two-component Gaussian mixtures converges to the MLE in at most $\sqrt(n)$ iterations with high probability. Then I will mention the limitations of that work and propose an extension to general Gaussian mixtures by overparameterization. 

嘉宾介绍

耶鲁大学教授亲自授课,教你EM算法的全局收敛

Harrison Zhou is a Henry Ford II Professor and Chair of the Department of Statistics and Data Science at Yale. His main research interests include asymptotic decision theory, large covariance matrices estimation, graphical models, Bayesian nonparametrics, statistical network analysis, sparse canonical correlation analysis and principal component analysis, and analysis of iterative algorithms. His research has been acknowledged with awards including the National Science foundation Career Award, the Noether Young Scholar Award from the American Statistical Association, the Tweedie Award, the IMS Medallion lecture and IMS Fellow from the Institute of mathematical Statistics.

直播地址

关注公众号「运筹OR帷幄」,后台回复 Math4DS,获取直播链接。

如何观看B站录播?

受北美教授的时间限制,Math4DS每期研讨会时间大多设置在美东时间周二的下午三点,即北京时间周三的凌晨三点。这对于国内的观众非常不友好,但是『运筹OR帷幄』也在B站提供了每期的录播,错过直播的小伙伴和想要回顾的小伙伴可以在前往B站观看,小编也会在第一时间上传最新的研讨会视频。

B站官方号:运筹OR帷幄

https://space.bilibili.com/403058474

耶鲁大学教授亲自授课,教你EM算法的全局收敛

研讨会主办方简介

组织者:

Ethan X. Fang, Niao He, Junwei Lu, Zhaoran Wang,  Zhuoran Yang, Tuo Zhao

赞助方:

耶鲁大学教授亲自授课,教你EM算法的全局收敛

参考文献

[1]https://sites.google.com/view/seminarmathdatascience/home

相关资讯

揭示Transformer重要缺陷!北大提出傅里叶分析神经网络FAN,填补周期性特征建模缺陷

AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年,AI在线AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。 如果您有优秀的工作想要分享,欢迎投稿或者联系报道。

如何更科学地研究AI+科学?顶级学者将云集这次ICML研讨会

ICML将举办一个AI+科学的研讨会,由来自全球顶尖机构的研究人员举办,集结了AI+各科学领域的领跑者。

征稿| CVPR 2024 Workshop |第一届 Virtual Humans for Robotics and Autonomous Driving

探索虚拟人(数字人)赋能机器人与自动驾驶领域的前沿问题在人类居住的世界中,人类是最为核心的元素。因此,智能机器(例如,自动驾驶车辆和机器人)必须在人口密集的环境中具备社会意识, 与人交互。而如何感知和理解人类在智能机器研究中至关重要。然而,由于现实世界中的人类行为多样性,其对环境变化的影响,再加上智能体与人类互动时的安全考虑,种种因素使得在真实环境中训练具备社会意识的智能体变得极为困难。近年来,仿真环境作为训练智能体的一种有效的方式应运而生。但是,这些仿真环境就像无人居住的幽灵城市一样,并未包括对人类的有效模拟。如