应我院邀请，4月14日上午，香港城市大学徐锦峰教授在腾讯会议作了题为《Learning Latent Features with Pairwise Penalties for Enhanced Low-Rank Matrix Completion》的报告。相关师生聆听了此次报告，报告由施建华老师主持。

报告中指出，低秩矩阵补全在实际应用中是有效的，但现有的方法使用平方损失的两两差异可能导致低于标准的预测。为了解决这个问题，徐锦峰教授提出了一个灵活的优化框架，以容纳不同的成对惩罚函数。开发了一个具有理论收敛性保证的有效算法，并建立了具有潜在变量子群的场景的统计保证。通过分析表明，这个方法，包括复杂性正则化最大似然估计，优于标准矩阵补全方法。大量的实验验证了该方法在合成和真实数据集上的优越性能。报告结束后，在座的师生就相关研究问题进行了探讨和交流。

徐锦峰教授是香港城市大学博导，在美国哥伦比亚大学获统计学专业博士学位；先后在美国哥伦比亚大学、新加坡国立大学、美国纽约大学做博士后或助理教授；研究领域涉及生存分析、生物基因、医学统计、非参数统计、高维数据分析等诸多领域的数据建模研究。先后在《JASA》、《Biometrika》、《JOE》、《Biometrics》、《Scandinavian Journal of Statistics》、《Statistics in Medicine》、《AISM》等国际顶级或一流学术期刊上发表过四十余篇的学术论文，先后主持香港政府大学研究基金资助局项目三项。