您的位置是:首页 > 学科动态

讲座:Columbia University Ying Zhiliang, University of Minnesota Xiaotong Shen, The Hong Kong Polytechnic UniversityJian Huang及东北师范大学朱文圣到访我院并作学术报告

2017-06-12

67日下午Columbia University Ying Zhiliang在我校科研楼A702为我校师生进行了以“Measurement Theory and Statistical Models”为主题的报告会。

  Ying Zhiliang教授在报告会上总结了测量理论的发展历史。由于测量理论在教育、心理和精神评估中发挥了基础性作用,Ying教授主要介绍了在测量理论中作为关键工具的统计模型。

在讲座中,Ying教授与大家详细讨论了测量理论现有的统计模型和统计推断,这些模型特别关注了某些潜在类型和潜在因素。Ying教授表示,这些模型的扩展将应用于教育评估和心理评估。

 

68日下午University of Minnesota Xiaotong Shen, The Hong Kong Polytechnic UniversityJian Huang在我校科研楼A702为我校师生分别进行了以“Personalized Prediction and Recommender Systems” 和“A Generalized Newton Algorithm for L0 Penalized Regression”为主题的报告会。

Shen教授在报告会上与我们分享了对于个性化预测的研究成果。个性化预测基于少量可观测偏好得分、通过抓取特定用户和特定内容信息来预测用户对于商品的偏好。从某种意义上说,预测精度取决于如何从相似的用户和商品中汇集有效的信息。

 Shen教授介绍了两种主要的搜集信息的方法,一种是协同过滤法,另一种是基于内容的过滤法。前者侧重于分析对于某种商品看法类似的消费者信息,而后者则关注用户所偏好的商品的特征。在此基础上,分别建立两种推荐系统GroovesharkPandora。讲座中,Shen教授还讨论了建模中考虑到的潜在因素,以及计算策略。

在讲座接近尾声时,Shen教授就个性化预测和推荐系统的相关问题详细解答了现场师生的疑问。

 

下午四点,香港理工大学的Jian Huang教授与大家分享了在高维回归中对于子集选择的一种广义牛顿同伦算法(GNH),这一算法被用于计算L0最小二乘罚函数KKT方程的解的路径。

在特定的正则条件下,GNH全局收敛,且以大概率在有限步骤内获得oracle估计量。此外,对于大样本数据或储存在分布式数据库中的数据,Huang教授还考虑了GNH的一种分布式实现。他们的研究表明,在可控的步骤内,分布式GNH仍能够获得oracle估计量。

在讲座接近尾声时,教授们分别就测量理论与GNH的相关问题详细解答了现场师生的疑问,大家进一步展开了更广泛的学术讨论。

 

69日上午东北师范大学朱文圣在我校科研楼A702为我校师生进行了以“Proper Inference for Value Function in High-Dimensional Q-Learning for Dynamic Treatment Regimes”为主题的报告会。

朱老师在报告会上与大家讨论了动态处理系统高维Q学习值函数的正确推断。动态处理系统是一组决策规则,其中的每一次处理都是根据患者对于此前治疗的反应及相关因素、随着时间变化来协调进行的。近年来,学者对于最优动态处理系统的正确统计推断的发展愈发关注,尤其是在那些有着零处理效应的非受试者的研究中、对于非正则问题的处理方面。而有着高维剪裁变量的问题更为瞩目。

朱老师在研究中提出了一种高维Q学习法(HQ),这种方法有助于最优值和参数的正确推断。此外,HQ法能同时兼顾最优动态处理系统的估计和重要变量的选择。同时,他还引入了一个硬阈值,以消除非受试者的影响。在调整了由阈值引入引起的偏误后,参数估计量的渐进性质和最优值函数得以建立。随后的模拟研究和实际数据分析均表明,这种方法确实能达到预期效果。

    在讲座接近尾声时,朱老师就动态处理系统和最优推断的相关问题详细解答了现场师生的疑问,此次活动为我院师生提供了很好的学术交流平台。