您的位置是:首页 > 科学研究

讲座:Columbia University, Department of Statistics, Associate Professor Yang Fen、George Washington University, Department of Statistics, Professor Hua Liang到访我院并作学术报告

2017-05-18

517日下午Columbia University, Department of Statistics, Associate Professor Yang FengGeorge Washington University, Department of Statistics, Professor Hua Liang我校科研楼A702为我校师生分别进行了以“Community Detection with Covariates”和“Feature Subset Sampling for Prediction in High-dimensional Linear Models”为主题的报告会。研究院全体师生和其他院系的部分师生出席了该报告会。

冯阳老师所讨论的问题与社区发现算法相关。社区发现是网络数据研究中的基本问题之一,大多数人现有的社区发现方法只将边缘信息视为输入,在协变量可获得时输出结果是次优的。在这种情况下,补充协变量信息对于提高社区发现精度就十分有必要。


 


为了实现这一目标,冯阳老师提出了一个可以将协变量包含其中的灵活网络模型,并拓展了基于似然率的推断方法。针对这一方法,他们建立了良好的渐进性质和高效的计算算法,而数值实验则表明了这一方法在各种模拟和真实情境中充分利用协变量的有效性。

 

 

Hua Liang老师在讲座中分享了他们对高维数据模型的研究。与以往研究有所不同的是,他们所考虑的高维预测问题并没有事先的稀疏性假设,而是引入了特征子集采样(FSS)的方法,通过随机抽样选择特征以获取特征子集,以此为基础进行预测。这种方法能够大大地降低维度且节约了计算时间。

 

 

Hua Liang教授在岭回归的框架下研究了这一策略,并将风险约束作为该方法的统计保障。他们提出了两种采样策略:均匀采样法,和与特征信息得分成正比的采样法。最后,他们还提出了详细的实证研究,以展现这一方法的数据处理性能。研究证明了运用FSS方法得到的预测风险与温和假设条件下所得到的结果接近。

 

   

在讲座接近尾声时,两位老师与现场师生积极互动,并就同学们提出的问题作出详细解答,现场气氛活跃。此次学术报告会为大家提供了很好的交流平台,研究院师生表示受益匪浅。