中国人民大学统计学院邀请张春明教授作了一场题为“Statistical Learning of Neuronal Functional Connectivity(神经功能连接的统计学习)”的讲座,统计学院拥有统计学和风险管理与精算学两个博士点,统计学、概率论与数理统计、风险管理与精算学、流行病与卫生统计学四个硕士点,应用经济学下统计学博士后流动站。讲座的主要内容是:
“识别神经元合奏的网络结构是理解如何信息是这样的神经元群中转移是至关重要的。但是,穗列车数据构成对常规统计方法由于不仅复杂,大规模的大小和大规模显著挑战,但也高维。在本文中,我们提出了一个SIE正则化方法来估计GLM框架下,有条件的强度,以更好地反映神经元之间的功能连接。我们研究了该方法的参数估计和模型选择的一致性。一个加速全梯度更新算法,开发有效地处理在SIE-GLM复杂的刑罚大型稀疏数据集适用于穗列车数据。仿真结果表明,我们提出的方法进行执行现有的方法,该方法的一个真正的秒杀列车中的应用数据集提供了一些洞察神经网络。
张春明1990年数理统计专业本科毕业于南开大学,1993年计算数学专业硕士毕业于中国科学院,2000年统计专业博士毕业于美国北卡莱罗纳大学教堂山分校。之后,她任美国威斯康星大学麦迪逊分校统计系的助理教授 (2000-2005),副教授(2005-2010)和正教授(2010至今)。担任以下刊物的副主编:Annals of Statistics (2007–2009), Journal of the American Statistical Association (2011–), and Journal of Statistical Planning and Inference (2012–).于2014年被选为并于2015年担任美国统计学会,非参数统计分会,的程序主席。于2011年获选为国际数理统计学会“会士”。她的研究兴趣包括统计建模和推断应用于神经科学及大脑成像,基因与遗传学,计量经济及金融。