报告人：张慧铭
报告地点：数学与统计学院501教室
报告时间：2024年08月06日星期三10:00-11:00
邀请人：陆婧
报告摘要：
传统的统计推断方法大多数多依赖于渐近理论，即基于样本量趋于无穷大时的数学理论，这在van der Vaart(2000)详细论述。非渐近推断并不拘泥于这一假设，而是更加关注在有限样本下的非参数分布族和非渐近推断。这种样本假设在实际应用中显得尤为重要，尤其是在获取样本成本较高的场景：基因数据、医学图像等成本高昂的数据。首先，本报告介绍非渐近置信区间与多臂老虎机算法，因其有覆盖率保证和无需分布假设的特点，它为我们选择最优决策提供准确高效的分析。本报告还进一步介绍非渐进一致预测器，他有四大优点：覆盖率保证，与回归模型无关，无需分布假设，底层模型不必重新训练，它在学术界和工业界中的有广泛应用。
主讲人简介：
张慧铭，北航人工智能学院副教授(准聘)，硕士生导师。曾在澳门大学担任过濠江学者博士后研究员(2020-2022)；曾就读于北京大学(2016-2020)获得统计学博士。研究方向：非渐近推断、稳健估计、高维统计、机器学习与深度学习理论、函数型数据、大数据子抽样算法等。发表SCI论文22篇(包括机器学习与人工智能领域顶刊JMLR; 统计顶刊JASA,Biometrika; 精算顶刊IME; 统计、数学、与物理知名期刊Statistica Sinica, Journal of Complexity, 和Physica Scripta等；谷歌学术引用超600次)，其中两篇为Web of Science高被引论文。目前主持国自科青基一项；担任美国《数学评论》评论员，SCI期刊Mathematics (Q1区,中科院三区)的专题顾问委员会成员以及该刊的"高维与非渐近统计专栏"客座主编。曾担任统计、概率、人工智能与机器学习领域顶刊（AOS,AOAP,JASA,JMLR,IEEET-SP）的审稿人。
学校主页