Joint Nuclear and $\ell_1$ Regularization for Logistic Matrix Regression with Applications to Brain Imaging
面向脑影像的 logistic 矩阵回归：核范数与 ℓ1 联合正则化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于高维正则化统计方法与脑影像应用，未涉及所给领域细分中的因果推断、面板、离散选择、时间序列、资产定价等方向，故不选择任何细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
面向脑影像的 logistic 矩阵回归：核范数与 ℓ1 联合正则化
- 研究问题
- 摘要称，研究如何在二值响应下对高维矩阵型预测变量做可解释的回归建模，并同时刻画系数矩阵的低秩与稀疏结构。
- 方法与思路
- 作者提出一个凸优化框架，在 logistic 标量对矩阵回归中同时加入核范数与 ℓ1 范数惩罚，并基于交替方向乘子法（ADMM）设计定制算法求解，摘要称还给出了所得解的理论性质。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：提出联合核范数与 ℓ1 正则化的凸优化方法，给出 ADMM 求解算法与理论性质，数值实验显示能恢复有意义的预测模式，并应用于脑影像数据以识别与酒精使用障碍家族史相关的功能连接结构。
- 阅读关注点
- 应核对：理论性质具体指什么（如估计误差界、秩与稀疏恢复条件、识别假设）；ADMM 的收敛性与调参方式；数值实验的设计、对比方法与评价指标；脑影像数据的样本、预处理与结果可复现性。
- 阅读边界
- 仅凭摘要无法判断理论结果的假设强度、算法收敛保证、实验是否优于既有方法，以及脑影像结论的稳健性与因果解释；摘要未说明数据规模、具体数值结果与代码可得性。该文为 arXiv 预印本，未经同行评审验证。
原文摘要
We introduce a new convex optimization framework for logistic scalar-on-matrix regression which incorporates nuclear and $\ell_1$ norm penalties to enforce simultaneously low-rank and sparse structures in the estimated coefficient matrix. The proposed method enables interpretable modeling of high-dimensional matrix-valued predictors in the presence of binary responses. We derive a custom algorithm based on the Alternating Direction Method of Multipliers (ADMM) to efficiently solve the resulting convex optimization problem and establish the theoretical properties of the obtained solution. Numerical experiments clearly demonstrate the effectiveness of our method in recovering meaningful predictive patterns. Finally, we apply our method to the brain imaging data to identify structures in functional brain connectivity matrices that are characteristic of subjects with a family history of alcohol use disorders (AUDs).