中国人民大学、康涅狄格大学联合统计研讨会第三期顺利召开

北京时间2023年10月20日上午8:00-10:00，中国人民大学、康涅狄格大学联合统计研讨会第三期顺利召开。该研讨会由中国人民大学统计与大数据研究院、统计学院，康涅狄格大学统计系联合主办。本次研讨会立足统计学前沿，以“subsampling and big data”为主题展开分享与交流，拓宽了参会师生的学术视野。研讨会分为主旨报告、具体报告、小组讨论三个环节，康涅狄格大学统计系闫军教授主持会议。该研讨会有助于增进国际交流合作，是统计与大数据研究院提高国际能力的有力举措。

康涅狄格大学统计系Haiying Wang副教授进行了题为“Subsampling for massive data”的主旨报告。报告围绕不同问题下的子抽样方法和估计器的选择展开，重点关注选择适用于特定研究目标的最合适的子抽样方法，深入探讨逆概率加权估计器、无权重估计器和基于似然的估计器的具体细节，通过比较不同抽样策略，对不同数据下不同抽样策略的选择以及不同参数的选择做出讲解。

中国人民大学统计与大数据研究院孟澄助理教授进行了题为“Subsampling with the Hilbert curve”的报告。报告围绕希尔伯特曲线在数值积分和准蒙特卡洛方法中的应用展开，对希尔伯特曲线用于高效的选择近似均匀分布的子样本的方法及其在大型样本的平滑样条接近和高校点云分析中的应用做出讲解。

中国人民大学统计学院黄丹阳教授进行了题为“Subsampling spectral clustering for stochastic block models in large-scale networks”的报告。报告围绕子采样谱聚类方法展开，对其方法原理、理论推广性以及评估方法做出讲解，通过从整个网络中的简单随机子采样构建子网络，然后将现有的谱群集扩展到子网，估算整个网络节点的社区标签，以解决大数据背景下网络社区检测的重大计算挑战。

中国人民大学统计与大数据研究院代文林副教授进行了题为“Large-Scale Low-Rank Gaussian Process Prediction with Support Points”的报告。报告围绕低秩近似预测展开，对其现有的方法原理和不足做出讲解，通过进一步研究得出了预测过程和高斯过程预测的渐近预测性能，并基于仿真研究的结果验证了将支撑点作结更能代表数据位置的观点，使原方法的效率得到提升。

随后的小组讨论环节，参会师生围绕报告内容展开热烈讨论，氛围十分活跃。