报告题目：迁移学习及其在高维厚尾数据的研究

报告时间：2024年4月7日 下午14:00

报告地点：南湖校区教学科研楼413室

主办单位：数学与统计学院

报告人：张日权

报告人简介：张日权，上海对外经贸大学统计与信息学院院长， 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。主持多项国家自然科学基金、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。主要研究方向：大数据统计，金融统计，半参数统计，高维数据分析，函数型数据分析、统计机器学习

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。