题    目：The Decentralized Distributed Sparsity Learning with Expectile Regression

主讲人：赵慧  教授

单    位：中南财经政法大学

时    间：2025年10月22日  14:30

腾讯ID：379307278

摘  要：去中心化分布式学习因其在计算效率、数据隐私保护和系统稳定性方面的优势, 在大数据分布式计算中日益受到关注。本文在去中心化分布式学习框架下, 提出了一种基于非对称最小二乘损失和L1 惩罚的期望回归稀疏估计方法, 给出了一个具有线性收敛速率的 ADMM-LAMM 算法,并探讨了该方法的统计理论性质，包括估计量的近似 Oracle收敛速率, 以及稀疏支撑集的恢复结果。最后通过数值模拟和真实数据分析展示了所提方法在处理重尾、异质性高维数据中的稳定性和有效性。

简  介：赵慧，中南财经政法大学教授，博士生导师。2005年北京大学博士毕业，曾在中科院系统所和美国密苏里大学从事博士后研究。曾担任中国现场统计研究会理事，湖北省现场统计学会常务理事，中国现场统计研究会多个分会理事。先后主持国家自然科学基金青年基金1项，面上项目3项，此外还主持或参与省部级及以上项目多项。近年来主要研究兴趣：生存分析、复发事件数据分析、高维生存数据分析、分布式统计学习等。发表论文六十余篇，其中部分论文发表在 JASA, Biometrics, Scandinavian Journal of Statistics，Statistic in Medicine，Journal of Multivariate Analysis，Lifetime Data Analysis， Canadian Journal  of  Statistics，Journal of Nonparametric Statistics， 《中国科学》,《数理统计与管理》等国内外知名统计学术期刊。