（通讯员：关迪）2024年12月2日上午9：00，厦门大学刘婧媛教授莅临我院做学术报告。本次报告由数学与统计学院承办，在南湖校区教学科研楼114室进行，会议由学院副院长李纯净副教授主持，学院部分老师及研究生参加了本次学术报告会。

会议开始之际，由李纯净老师作为代表对刘教授的到来表示感谢，并对刘教授及其研究内容做了简单的介绍。

报告人简介：厦门大学经济学院统计学与数据科学系教授、博士生导师，入选国家级高层次人才，厦门大学南强卓越教学名师，厦门大学南强青年拔尖人才A类。美国宾夕法尼亚州立大学统计学博士毕业。科研方面主要从事高维及复杂数据的统计方法、网络数据建模与推断、统计基因学等领域的工作，在JASA，JOE, JBES等国际权威学术期刊发表论文30余篇，担任AOAS等权威期刊编委，入选福建省杰出青年科研人才计划。教学方面曾获国家级一流课程、国家级教学成果二等奖（团体）、福建省教学成果特等奖、福建省创新教学比赛二等奖、厦门大学“我最喜爱的十位教师”、厦门大学教学比赛特等奖等荣誉。

报告题目：Covariate-shift Robust Adaptive Transfer Learning for High-dimensional Regression

摘要：The main challenge that sets transfer learning apart from traditional supervised learning is the distribution shift, reflected as the shift between the source and target models and that between the marginal covariate distributions. High-dimensional data introduces unique challenges, such as covariate shifts in the covariate correlation structure and model shifts across individual features in the model. In this work, we tackle model shifts in the presence of covariate shifts in the high-dimensional regression setting. Furthermore, to learn transferable information which may vary across features, we propose an adaptive transfer learning method that can detect and aggregate the feature-wise transferable structures. Non-asymptotic bound is provided for the estimation error of the target model, showing the robustness of the proposed method to high-dimensional covariate shifts.

在接下来的报告中，刘教授讲述了从迁移学习中的基本概念和问题出发，引出研究的背景和动机，强调处理协变量偏移和探索特征可迁移结构的重要性；并详细阐述为解决在高维回归设定下应对存在协变量偏移时的模型偏移问题所提出的方法（自适应迁移学习），包括 TransFusion、D - TransFusion 和 AdaTrans 的具体原理、步骤及理论依据，逐步深入分析如何实现对高维协变量偏移的稳健性和对可迁移结构的自适应处理。

通过对各方法的理论分析，对比不同方法的优势和适用情况，最后总结整个研究的成果，展示提出的框架在高维回归迁移学习中的有效性和创新性。

与会人员踊跃提问，就感兴趣的问题与刘婧媛教授进行了广泛的讨论和交流，老师就提出的问题进行了详细的解答，分享了自己的心得。

本次学术交流会拓展了同学们的学术视野，也激发了同学们的学习热情，更加努力学习研究新的领域与方法，聆听报告的师生均表示受益匪浅。

（审核人：王丹、王纯杰）

数学与统计学院

2024年12月2日