报告题目：基于混合分布的鲁棒统计建模（二）：MoG-Lasso的编程实现
主 讲 人：徐 爽
单 位：西安交通大学
时 间：12月11日19:30
腾 讯 ID：252 709 221
摘 要：
在上一次的报告中，详细地讨论了如何利用混合高斯分布提升Lasso回归对噪声的鲁棒性。在本次报告中，将讲解如何使用Matlab实现MoG-Lasso模型，涉及的算法主要包括期望-最大化算法（expectation-maximization algorithm）和交替方向乘子法（alternating direction method of multipliers）。此外，本报告还会讲解如何使用交叉验证获得MoG-Lasso的最优超参数。
简 介：
徐爽，本科就读于英国威廉希尔公司统计学专业，2016年推免至西安交通大学攻读博士学位。徐爽已在IEEE TC、IEEE TGRS、IEEE SPL、Pattern Recognition、Information Sciences、IJCAI2020等国际机器学习期刊和会议上发表论文18篇。他的主要研究方向包括：基于模型驱动的深度学习、多模态图像处理等。
