报告人：张慧铭（副教授，北京航空航天大学）

题目: 非渐近统计推断与检验 

主持人：李艳鹏

摘要: 传统的统计推断方法大多数多依赖于渐近理论，即基于样本量趋于无穷大时的数学原理，这在van der Vaart (2000) 详细论述。非渐近推断并不拘泥于这一假设，而是更加关注在有限样本下的非参数分布族和非渐近推断。这种样本假设在实际应用中显得尤为重要，尤其是在获取样本成本较高的场景：基因数据、医学图像等成本高昂的数据。首先，本报告介绍非渐近置信区间与多臂***算法，因其有覆盖率保证和无需分布假设的特点，它为我们选择最优决策提供准确高效的分析。本报告还进一步介绍非渐近一致预测器，它有四大优点：覆盖率保证，与回归模型无关，无需分布假设，底层模型不必重新训练，它在学术界和工业界中的有广泛应用。最后，报告将探讨基于非渐近方法的假设检验。

报告时间：

（一）2024年11月4日 10：00-12：00

（二）2024年11月4日 15：00-17：00

报告地点：理学楼609

报告人简介: 张慧铭，北航人工智能学院副教授(准聘)，硕士生导师。曾在澳门大学担任过濠江学者博士后研究员(2020-2022)；曾就读于北京大学(2016-2020)获得统计学博士。本科(09级)与硕士(13级)均就读于华中师范大学，获得数学与经济学双学士学位以及数理统计硕士学位。研究方向：非渐近推断、稳健估计、高维概率统计、机器学习与深度学习理论、函数型数据、大数据子抽样算法。发表SCI论文23篇(包括机器学习与AI领域顶刊JMLR; 统计顶刊JASA, Biometrika; 精算顶刊IME; 统计、数学、与物理知名期刊Statistica Sinica, Journal of Complexity, 和Physica Scripta等；谷歌学术引用超650次)，其中两篇为Web of Science高被引论文。目前主持国自然青年项目一项；担任美国《数学评论》评论员，SCI期刊Mathematics (Q1区,中科院三区)的专题顾问委员会成员以及该刊的高维与非渐近统计专栏客座主编。曾担任统计、概率、AI与机器学习领域顶刊（AOS,AOAP,JASA,JMLR,IEEET-SP）的审稿人。