中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院邀請(qǐng)張春明教授作了一場(chǎng)題為“Statistical Learning of Neuronal Functional Connectivity(神經(jīng)功能連接的統(tǒng)計(jì)學(xué)習(xí))”的講座，統(tǒng)計(jì)學(xué)院擁有統(tǒng)計(jì)學(xué)和風(fēng)險(xiǎn)管理與精算學(xué)兩個(gè)博士點(diǎn)，統(tǒng)計(jì)學(xué)、概率論與數(shù)理統(tǒng)計(jì)、風(fēng)險(xiǎn)管理與精算學(xué)、流行病與衛(wèi)生統(tǒng)計(jì)學(xué)四個(gè)碩士點(diǎn)，應(yīng)用經(jīng)濟(jì)學(xué)下統(tǒng)計(jì)學(xué)博士后流動(dòng)站。講座的主要內(nèi)容是：

　　“識(shí)別神經(jīng)元合奏的網(wǎng)絡(luò)結(jié)構(gòu)是理解如何信息是這樣的神經(jīng)元群中轉(zhuǎn)移是至關(guān)重要的。但是，穗列車數(shù)據(jù)構(gòu)成對(duì)常規(guī)統(tǒng)計(jì)方法由于不僅復(fù)雜，大規(guī)模的大小和大規(guī)模顯著挑戰(zhàn)，但也高維。在本文中，我們提出了一個(gè)SIE正則化方法來(lái)估計(jì)GLM框架下，有條件的強(qiáng)度，以更好地反映神經(jīng)元之間的功能連接。我們研究了該方法的參數(shù)估計(jì)和模型選擇的一致性。一個(gè)加速全梯度更新算法，開發(fā)有效地處理在SIE-GLM復(fù)雜的刑罰大型稀疏數(shù)據(jù)集適用于穗列車數(shù)據(jù)。仿真結(jié)果表明，我們提出的方法進(jìn)行執(zhí)行現(xiàn)有的方法，該方法的一個(gè)真正的秒殺列車中的應(yīng)用數(shù)據(jù)集提供了一些洞察神經(jīng)網(wǎng)絡(luò)。

　　張春明1990年數(shù)理統(tǒng)計(jì)專業(yè)本科畢業(yè)于南開大學(xué)，1993年計(jì)算數(shù)學(xué)專業(yè)碩士畢業(yè)于中國(guó)科學(xué)院，2000年統(tǒng)計(jì)專業(yè)博士畢業(yè)于美國(guó)北卡萊羅納大學(xué)教堂山分校。之后，她任美國(guó)威斯康星大學(xué)麥迪遜分校統(tǒng)計(jì)系的助理教授 (2000-2005)，副教授(2005-2010)和正教授(2010至今)。擔(dān)任以下刊物的副主編：Annals of Statistics (2007–2009), Journal of the American Statistical Association (2011–), and Journal of Statistical Planning and Inference (2012–).于2014年被選為并于2015年擔(dān)任美國(guó)統(tǒng)計(jì)學(xué)會(huì)，非參數(shù)統(tǒng)計(jì)分會(huì)，的程序主席。于2011年獲選為國(guó)際數(shù)理統(tǒng)計(jì)學(xué)會(huì)“會(huì)士”。她的研究興趣包括統(tǒng)計(jì)建模和推斷應(yīng)用于神經(jīng)科學(xué)及大腦成像，基因與遺傳學(xué)，計(jì)量經(jīng)濟(jì)及金融。