师资团体

师资团体 Faculty

杭汉源

职称:助理教授

研究方向:统计学习理论,随机森林,基于核的学习方法(如支持向量机),深度神经网络,再生希尔伯特核空间,以及各种学习方法的应用

联系方式:hans2017@ruc.edu.cn

个人简历

2002年考入武汉大学,2003年交换去德国斯图加特大学(Universität Stuttgart)2015年获得斯图加特大学统计学博士学位,研究方向为统计学习理论(Statistical Learning Theory),同年赴比利时鲁汶大学(Katholieke Universiteit Leuven)电子工程系从事博士后研究,做统计机器学习方向,主要是支持向量机(Support Vector Machines)的研究。2017年加入中国人民大学统计与大数据研究院从事机器学习相关的科研和教学工作。

目前主要的研究方向:统计机器学习算法,包括支持向量机(Support Vector Machines),随机森林(Random Forest),深度学习(Deep Learning)的理论及其在各个领域的应用。



已投论文

1. H. Hang, I. Syeinwart (2018). Optimal learning with anisotropic Gaussian SVMs.

2. Z. Tan, Y. Yang, J. Wan, H. Hang, and S.Z. Li (2018). Attention based pedestrian attribute analysis.

3. C. Zhang, X. Gao, M. Hsieh, H.Hang, and D. Tao (2018). Matrix infinitely divisible series: Tail inequalities and application in optimization.



发表论文

1. H. Hang, I. Steinwart, Y. Feng, and J. Suykens. Kernel density estimation for dynamical systems. Journal of Machine Learning Research, 35:1-49, 2018.

2. H. Hang and I. Steinwart. A Bernstein-type inequality for some mixing processes and dynamical systems with an application to learning. The Annals of Statistics, 45(2), 708-743, 2017.

3. H. Hang, Y. Feng, I. Steinwart, and J. Suykens. Learning theory estimates with observations from general stationary stochastic processes. Neural Computation, 28:2853-2889, 2016.

4. Y. Feng, S.-G. Lv, H. Hang, and J. Suykens. Kernelized elastic net regularization: generalization bounds, and sparse recovery. Neural Computation, 28:525-562, 2016.

5. H. Hang and I. Steinwart. Fast Learning from alpha-mixing Observations, Journal of Multivariate Analysis, vol. 127, pp. 184-199, 2014.


教授课程

- 机器学习 (本科生课程), 中国人民大学, 2018年秋季
- 深度学习 (研究生课程), 中国人民大学, 2018年秋季

- 统计学习I (研究生课程), 中国人民大学, 2018年春季

- 大样本理论 (研究生课程), 中国人民大学, 2017年秋季
- 随机过程 (研究生课程), 中国人民大学, 2017年春季