应我院邀请，11月1日上午，香港理工大学李勋健博士后在砺志楼114作了题为《Generalized Quadratic Lower-Bound algorithm and Its Applications》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，介绍了广义二次下界（G-QLB）算法，传统的QLB方法的自然扩展，在复杂的统计模型优化功能。与原始的QLB不同，G-QLB算法通过允许常数矩阵B是依赖于θ的矩阵函数B（θ）来放松这个条件。G-QLB通过迭代SeLF步骤自适应地选择B（θ）和M步骤最大化代理函数来实现，确保鲁棒收敛和提高计算效率。理论分析证实了G-QLB保证稳定的收敛性，实验结果表明，在统计模型的计算增益比现有的方法。这些进步使G-QLB成为高维模型中参数估计和对数似然最大化的有价值的工具。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。

李勋健，香港理工大学博士后研究员，本硕先后毕业于天津大学、山东大学，博士毕业于南方科技大学，并将于2025年到加州大学洛杉矶分校开展博士后研究，将与Kenneth Lange教授和Hua Zhou教授合作。他的研究兴趣集中在统计算法和统计建模上，主要研究贡献包括提出、开发了几种统计优化算法，如上交叉/求解（US）算法和二阶导数下限函数（SeLF）算法，以及MM算法在求解寻根问题中的新应用。相关研究成果发表在 CSDA、Statistica Neerlandica、TEST等国际统计学一流学术期刊上。