电子科技大学

　　“大数据分析的若干问题探讨”学术研讨会在电子科技大学研究生清水河校区举行。

　　作题为“On tensor networks and neural networks”的报告。他介绍了张量数据在人脸图像以及医学MRI图像中的应用，以及张量数据的一些基本处理方法，并对深度学习中的卷积神经网络的应用背景及其优缺点作了解析。根据二者的优缺点，提出一种张量网络和神经网络相结合的数据分析方法，该方法适用于大数据并且相比于已有方法，其计算复杂度大大降低。师生们就他给出的关于张量网和神经网的一些问题进行了进一步讨论。

　　报告以“Partial Projective Resampling Method for Dimension Reduction: With Applications to Partially Linear Models”为题。他从一个酗酒指标的例子引出实际问题中的数据降维问题，介绍了关于部分线性模型中已有的关于W分量的离散和连续情形的处理方法。随后，他介绍了不考虑W分量的类型下的处理方法，借助于将W分量和相应变量的重新结合，将降维问题转变为已有的模型，进而采用已有降维方法进行处理。吴文波博士还将所提方法与已有方法在模拟例子以及实际例子中进行了比较分析。

　　作“Dimension reduction for multivariate spatial data”的报告。报告中，他通过吸毒和非吸毒人的医学DTI图像中的大脑白质图像，引出吸毒时间是否与白质的连接强度有关的问题，因大脑的不规则形状，进而提出关于空间数据的降维研究。他介绍了已有的信封模型，将空间数据引入到该模型中，提出了一种的空间数据分析模型。王钦副教授将该模型用于美国空气污染数据的分析，提出了美国污染数据指标的空间相关性。

　　报告围绕“Homogeneity Pursuit in Single Index Models based Panel Data Analysis”展开，介绍了panel数据的一些应用，对具有Homogeneity结构的单指标模型进行了介绍。他提出借助“分块”和找出相应变点思想的Homogeneity Pursuit模型参数估计方法。其团队将这一方法应用于根据英国气象数据分析降水等因素对温度的影响，张文扬教授就此做了具体诠释。

　　报告会后，各位报告人与参会师生就图像识别、部分线性模型的变量的降维，单指标方法的应用等问题展开热烈讨论。与会人员认为，此次大数据在职研究生研讨会为传统统计学与机器学习研究提供了交流平台，大家通过研讨激发了新的火花，获益匪浅。

　　本次学术活动由人力资源部教师发展中心主办，数学科学学院承办。