应我校数学科学学院邀请，首都经济贸易大学张宝学教授、中国科学院数学与系统科学研究院孙六全教授、上海对外经贸大学张日权教授将于2025年8月30日为我校师生讲学。欢迎全校相关教师、博士生、硕士生参加！

报告（一）题目：泛函线性模型中缺乏相关性的非参数检验

报告人：张宝学教授

报告人单位：首都经济贸易大学

时间：2025年8月30日（周六）13：30

报告地点：数学科学学院7楼报告厅

主办单位：重点建设与发展工作处、数学科学学院

张宝学教授简介：首都经济贸易大学统计学院原院长、教授、博士生导师。担任全国应用统计专业学位研究生教育指导委员会委员兼案例组组长，全国工业统计学教学研究会副会长，中国现场统计研究会副理事长。《数理统计与管理》、《统计与信息论坛》、《统计与决策》以及《运筹与模糊数学》等期刊的编委。主要从事高维数据的统计理论方法及应用的研究。先后主持国家自然科学基金项目5项，教育部博士点基金1项，吉林省应用统计学研究创新团队1项，参加国家自然科学基金委重点项目1项，教育部创新团队项目1项。在 《Genome Research》、《Bioinformatics》、《Pattern Recognition》、《Statistica Sinica》、《Scandinavian Journal of Statistics》和《Science China Mathematics》等国内外著名杂志发表或接受论文90余篇。其中，SCI/SSCI索引论文70余篇。获北京市“高创计划”领军人才，北京市教育系统“教书育人榜样”荣誉称号。曾荣获教育部高等学校自然科学奖二等奖吉林省科学技术奖自然科学奖二等奖。

报告摘要：函数线性模型中一项重要的推断任务是检验响应变量与函数型预测因子之间的依赖性。传统检验理论基于函数型主成分分析构建，该方法需要估计函数型预测因子的协方差算子。由于函数数据固有的高维特性，样本量往往不足以精确估计协方差算子，从而导致后续检验效能不足。为规避协方差算子的高成本估计，我们提出了一种名为"基于U统计量检验的函数线性模型（FLUTE）"的非参数方法来检验依赖性假设。研究表明，FLUTE检验比当前基准方法具有更高的检验效能。我们进一步证明了该检验统计量在零假设和局部备择假设下均具有渐近正态性。通过模拟研究和实际案例（特别是在中小样本情况下）验证了本方法的优越性。

报告（二）题目：特定标记分位数回归模型

报告人：孙六全教授

报告人单位：中国科学院数学与系统科学研究院

时间：2025年8月30日（周六）14：30

报告地点：数学科学学院7楼报告厅

主办单位：重点建设与发展工作处、数学科学学院

孙六全教授简介：中国科学院数学与系统科学研究院二级研究员，博士生导师，中国科学院数学与系统科学研究院统计中心副主任。现任中国现场统计研究会副理事长，北京应用统计学会副会长，中国统计教育学会高等教育分会副会长，中国现场统计研究会资源与环境统计分会理事长，全国工业统计学教学研究会监事会会长，全国工业统计教学研究会数字经济与区块链技术协会会长。现为《数理统计与管理》主编，以及《统计与决策》、Journal of Systems Science and Complexity、Statistics and Its Interface、Journal of Biometrics & Biostatistics等期刊的编委，科学出版社《数学大辞典》数理统计篇编委，中国第二届数学名词审定委员会委员，《中国大百科全书》第三版统计学科副主编，《中国大百科全书》第三版数学学科编委兼数理统计学分支主编。曾任中国概率统计学会副理事长，《中国科学，数学》等期刊编委，国际华人统计协会（ICSA）Program Committee Member（2018-2020），国际华人统计协会（ICSA） Membership Committee Co-Chair（2020-2021）。在JASA，Biometrik，JMLR及SMMR等国内外核心期刊发表学术论文170余篇。主持了国家自然科学基金重点项目一项，并先后主持或参与了973重大项目、国家自然科学基金重大项目、重点项目和面上项目等20项。

报告摘要：分位数回归已成为分析生存数据的常用工具。然而，针对具有连续标记的生存数据的分位数回归方法仍较为匮乏。我们提出了一种新颖的标记特异性分位数回归模型以解决该问题。通过借用标记邻域内的数据强度来估计回归系数，这与现有处理离散原因竞争风险数据的方法存在显著差异。所获估计量在标记与分位数双重连续域上具有确定的渐近性质。此外，我们提出了标记特异性的分位数型疫苗效力概念，并建立了相应的统计推断流程。通过模拟研究评估了所提出估计方法与假设检验程序在有限样本下的表现，并辅以首个HIV疫苗效力试验的实际应用案例进行验证。

报告（三）题目：迁移学习及其在高维厚尾数据中的应用

报告人：张日权教授

报告人单位：上海对外经贸大学

时间：2025年8月30日（周六）15：30

报告地点：数学科学学院7楼报告厅

主办单位：重点建设与发展工作处、数学科学学院

张日权教授简介：上海对外经贸大学统计与数据科学学院院长，教授、博士生导师；中国现场统计研究会大数据统计分会理事长；上海统计学会副会长；中国商业统计学会数据科学与商业智能分会副理事长；中国现场统计研究会高维数据统计分会副理事长；中国现场统计研究会经济与金融统计分会副理事长。《统计研究》、《数理统计与管理》、《统计学报》、Statistical Theory and Related Fields 编委；《应用概率统计》期刊第八届、第九届副主编。教育部统计与数据科学前沿理论及应用重点实验室创始人；曾任华东师范大学统计学院院长，教育部统计与数据科学前沿理论及应用重点实验室主任。主持国家自然科学基金、上海市科委重点项目等20 多项；在国内外权威期刊发表学术论文200 余篇，出版专著3 部，教材 4 部（其中两本是国家级规划教材）；获得上海市育才奖、上海市自然科学奖、上海市教学成果奖等奖励或荣誉称号20 多项。

报告摘要：迁移学习是一种基于相关知识的稳健学习方法，运用已有的知识对不同但相关领域问题进行求解的一种新的机器学习方法，它放宽了传统机器学习中的基本假设，利用来自源领域的信息来提高目标领域任务的估计精度以及预测准确性。已有的文献对噪声服从次高斯分布的高维线性回归模型，提出了基于Lasso 的迁移学习算法来提高目标领域上的模型表现。然而，当噪声来自厚尾分布时，该算法无法再提供有效的估计。本报告研究了迁移学习框架下的惩罚卷积秩回归模型，旨在提出抵抗厚尾噪声影响的稳健估计，该卷积光滑技术在不产生任何偏差的情况下提高了损失函数光滑程度。在高维数据场景中，首先在可迁移数据源已知的条件下提出了基于带惩罚的卷积秩回归模型的迁移学习算法；进一步，提出了一种数据驱动的可迁移数据源识别方法。

欢迎各位老师同学届时参加！