2022年12月28-29日，為促進數(shù)學優(yōu)化、統(tǒng)計與學習等領(lǐng)域的融通共進，由中國運籌學會數(shù)學規(guī)劃分會、中國現(xiàn)場統(tǒng)計研究會、北京應用統(tǒng)計學會和北京交通大學、北京工業(yè)大學、首都師范大學、中國人民大學、中國科學院數(shù)學與系統(tǒng)科學研究院等聯(lián)合主辦的“第七屆統(tǒng)計優(yōu)化與學習國際研討會”采用線上方式舉辦。

12月28日上午，舉辦線上統(tǒng)計優(yōu)化與學習國際研討會開幕式。出席開幕式的有北京交通大學副校長趙鵬教授、中國現(xiàn)場統(tǒng)計學會理事長郭建華教授、中國運籌學會理事長戴彧虹研究員、香港理工大學陳小君教授、香港理工大學黃堅教授、賓夕法尼亞州立大學帕克分校李潤澤教授、新加坡國立大學Kim-Chuan Toh教授、帝國理工學院Geoffrey Ye Li教授、曼尼托巴大學王力群教授、明尼蘇達大學楊宇紅教授、明尼蘇達大學鄒輝教授、哈佛大學柯崢教授、北京師范大學朱力行教授、北京交通大學修乃華教授、北京應用統(tǒng)計學會會長崔恒建教授、香港數(shù)學會會長孫德鋒教授、數(shù)學規(guī)劃分會理事長徐大川教授等。會議開幕式由北京交通大學理學院于永光院長主持。

趙鵬教授向與會的專家學者、同仁和同學們表示熱烈的歡迎，對可以承辦本次會議表示倍感榮幸。趙鵬教授介紹了北京交通大學的悠久歷史和以交通為核心的學科建設(shè)，并對數(shù)學與統(tǒng)計學院的背景與學科作了介紹，指出本次論研討會是一場高水平、高質(zhì)量的學術(shù)盛宴。郭建華教授簡要介紹了學會的歷史背景，闡述了統(tǒng)計學與運籌學之間的密切聯(lián)系，介紹了統(tǒng)計學與運籌學等學科的交叉研究領(lǐng)域的前沿和熱點問題，強調(diào)了多學科融合的重要性。并對北京交通大學數(shù)學與統(tǒng)計學院承辦研討會表示感謝，提出共同為推進統(tǒng)計學與運籌學等學科的交叉融合與發(fā)展而不懈努力。戴彧虹研究員強調(diào)了舉辦此次統(tǒng)計優(yōu)化與學習國際研討會的宗旨，為統(tǒng)計學和運籌學等學科的青年學者提供高水平的學術(shù)分享平臺，促進彼此之間的交流與合作，集中展現(xiàn)大數(shù)據(jù)時代下統(tǒng)計學與運籌學的學科前沿與發(fā)展動態(tài)，他希望通過本次研討會能夠更好地促進運籌學理論與應用的發(fā)展，共同推動學校在職研究生教育向更高的水平邁進。

12月28日上午，大會邀請了2013年中國國家自然科學二等獎和2000年德國洪堡研究獎獲得者、國際著名統(tǒng)計學家、北京師范大學朱力行教授，介紹了張量數(shù)據(jù)中的多變點檢測方法，提出了兩個新的標準來檢測張量數(shù)據(jù)中的變化結(jié)構(gòu)，利用自適應嶺函數(shù)的比值構(gòu)造兩個信號統(tǒng)計量增強檢測能力，并通過數(shù)值實驗與真實數(shù)據(jù)驗證了方法的可行性。李潤澤教授是2017年國際科學院杰出成就獎和2012年聯(lián)合國世界氣象組織格比爾木姆國際獎獲得者、國際著名統(tǒng)計學家。他介紹了高維均值向量的投影檢驗，該方法通過求解二次規(guī)劃問題得到最優(yōu)投影方向估計，在此基礎(chǔ)上設(shè)計了線式投影檢驗，并通過數(shù)值實驗證明了本方法比其它檢測方法更有效。黃堅教授提出了一種基于深度學習神經(jīng)網(wǎng)絡(luò)學習一般回歸函數(shù)的WGD方法，WGD方法可以學習給定預測值的響應的條件均值或條件分位數(shù)函數(shù)，并通過大量數(shù)值實驗證明了WGD方法的優(yōu)勢。哈佛大學柯崢助理教授提出了一種基于SVD的主題模型估計方法。該方法僅從數(shù)據(jù)矩陣的幾個前導奇異向量構(gòu)建主題矩陣的估計，在大規(guī)模語料庫的內(nèi)存使用和計算成本方面具有很大優(yōu)勢，使用美聯(lián)社新聞文章語料庫和統(tǒng)計論文摘要語料庫進行實驗，展示了模型收斂速度。阿爾伯塔大學孔令龍教授提出了深度RL勘探方法和深度RL的阻尼Anderson混合，建立了Anderson混合方法與擬牛頓方法之間的聯(lián)系，證明了Anderson混合方法使策略迭代方案的收斂半徑增加了一個額外的收縮因子，并提出了一種穩(wěn)定策略。明尼蘇達大學雙城分校張嘉偉博士設(shè)計了一種分類學習的擬合優(yōu)度評估工具——BAGofT方法。該方法不局限于特定的參數(shù)分類模型，具有更廣的適用范圍。通過數(shù)值實驗驗證了BAGofT方法在測試參數(shù)分類模型時的優(yōu)勢。

12月28日下午，大會邀請了香港理工大學大數(shù)據(jù)分析中心實驗室主任陳小君教授討論了機器學習和博弈中的一類非光滑非凸非凹最小最大問題，利用方向?qū)��?shù)建立了局部極大極小點的最優(yōu)性條件并將這些條件簡化。最終將理論結(jié)果應用于對抗網(wǎng)絡(luò)(GANs)。首都師范大學崔恒建教授介紹了對抗性機器學習中基于穩(wěn)健馬氏距離估計的異常樣本檢測，提出了一種基于穩(wěn)健馬氏距離估計(RMD)和預訓練卷積神經(jīng)網(wǎng)絡(luò)模型的異常樣本檢測方法，通過數(shù)值實驗證明了方法的有效性和穩(wěn)健性。東北師范大學鄭術(shù)蓉教授提出了一種ACT方法來確定高維因子模型中的公共因子數(shù)量，并根據(jù)最小信號強度和最佳閾值建立了所提出的ACT方法的最優(yōu)性。通過仿真實驗證明ACT方法優(yōu)于一般方法。南安普頓大學鄭超助理教授介紹了多變點檢測的懲罰成本方法的一致性，建立了一個懲罰成本方法的通用框架；將所提出的框架應用于不同的多變點問題，從而獲得了懲罰選擇的理論結(jié)果以及相應的變點數(shù)量及其位置的一致估計。華東師范大學於州教授利用隨機森林與深度神經(jīng)網(wǎng)絡(luò)構(gòu)建了一種混合回歸預測模型。通過結(jié)合隨機森林的局部建模能力和神經(jīng)網(wǎng)絡(luò)的全局建模特點，顯著提高了原始神經(jīng)網(wǎng)絡(luò)的性能。

12月29日上午，大會邀請了帝國理工學院Geoffrey Ye Li教授，介紹了聯(lián)邦學習(FL)的基本工作原理，研究了在各種通信失真下情況下FL的收斂性能，使用inexact ADMM、 Byzantine robust FL和去中心化FL來實現(xiàn)FL的收斂。楊宇紅教授討論了如何從信息論的角度看待傳統(tǒng)統(tǒng)計方法，根據(jù)模型選擇和極小極大理論，探討最佳數(shù)據(jù)壓縮和信息量化框架的統(tǒng)計影響。新加坡國立大學Kim-Chuan Toh教授介紹了正則化平方根回歸問題的分布穩(wěn)健與快速計算。證明了懲罰函數(shù)是簡單范數(shù)與半范數(shù)之和的平方根正則化模型都可以表示成最小二乘問題的分布魯棒優(yōu)化(DRO)。設(shè)計了一種近端對偶半光滑Newton算法并通過大量數(shù)值實驗驗證了算法的高效性。香港理工大學袁雁城助理教授介紹了求解Waterstone Barycenter問題的高效HPR算法，提出了一種具有線性時間復雜度的方法求解HPR算法子問題，并使用真實數(shù)據(jù)進行數(shù)值實驗驗證了HPR算法在求解大規(guī)模WBP時具有優(yōu)越的性能。明尼蘇達大學崔瑩助理教授討論了雙參數(shù)非線性優(yōu)化問題的值函數(shù)的一階變分性質(zhì)，為隨機梯度下降法求解復雜層次優(yōu)化問題提供了理論依據(jù)。佛羅里達大學蘇之華副教授報告了多元線性回歸中的響應變量選擇。將響應劃分為動態(tài)響應、輔助響應和靜態(tài)響應，設(shè)計出了識別這些響應變量的算法。在大樣本和高維小樣本情況下，建立了變量選擇的一致性和估計量的漸近性質(zhì)，并使用真實數(shù)據(jù)驗證了算法的有效性。

12月29日下午我們開設(shè)了青年學者論壇，邀請了北京大學林宙辰教授介紹了優(yōu)化誘導平衡網(wǎng)絡(luò)(OptEq)，通過改變OptEq的架構(gòu)和將信息合并到不動點迭代把先驗屬性引入OptEq的平衡點，從而使OptEq優(yōu)于一般模型。復旦大學酈旭東副教授討論了嵌入流形優(yōu)化和商空間流形優(yōu)化之間的聯(lián)系。結(jié)果表明在嵌入幾何和商幾何條件下，黎曼一階不動點、黎曼二階不動點和固定秩矩陣優(yōu)化的嚴格鞍點是等價的。北京交通大學羅自炎教授報告了仿射流形低秩矩陣優(yōu)化的法錐相交規(guī)則及最優(yōu)性分析，建立了Fréchet法錐與rank-MOA可行集的相交規(guī)則，在一階最優(yōu)性條件下分析了rank-MOA的F不動點與不動點與局部/全局最小值的關(guān)系。通過rank-MOA的兩個應用驗證了提出的最優(yōu)性分析。中國人民大學陳燦貽博士匯報了超高維稀疏情況下的分布式復合分位數(shù)回歸，將復合分位數(shù)回歸納入最小二乘框架，并提出了一種基于近似Newton法的分布式算法，通過數(shù)值實驗驗證了算法的高效性。首都師范大學王冠鵬博士提出一個基于樣本特征值方差變化來正確估計高維主成分分析中顯著成分的數(shù)量的方差準則，通過數(shù)值模擬證明該準則比AIC和BIC準則具有更高的模型選擇精度。北京工業(yè)大學楊博博士針對不確定系統(tǒng)的分散控制問題提出了一種加速松弛多塊近端ADMM算法，給出了松弛M\_PADMM與廣義近點算法(PPA)的等價性，并結(jié)合Halpern迭代法提出了一種新的RM\_PADMM加速算法，通過數(shù)值實驗驗證了算法的有效性。北京交通大學李梅博士報告了隱私保護的去中心化學習，提出了一種基于KM迭代方法的通用差分隱私學習框架(DP-KM)來處理分布式數(shù)據(jù)，證明了DP-KM算法的穩(wěn)定性與泛化性，通過數(shù)值實驗驗證了算法的優(yōu)越性。

12月29日下午，2022年統(tǒng)計優(yōu)化與學習國際研討會圓滿結(jié)束，在線上舉行簡短的閉幕式。中國運籌學會數(shù)學規(guī)劃分會理事長徐大川教授、中國人民大學統(tǒng)計與大數(shù)據(jù)研究院院長朱利平教授和北京交通大學計算機與信息技術(shù)學院副院長景麗萍教授分別致辭。閉幕式由北京交通大學孔令臣教授主持。中國運籌學會數(shù)學規(guī)劃分會理事長徐大川教授對本次會議的圓滿結(jié)束表示熱烈的祝賀，對會議的組織方給與了高度的肯定與鼓勵，介紹了初辦會議的宗旨，希望研討會可以為各學科的融合起到促進作用。朱利平教授對這次會議的報告人表示感謝，在報告過程中,與會代表對各自感興趣的課題積極踴躍提問并進行了熱烈的討論，學術(shù)氣氛十分活躍，肯定了這次會議非常成功。景麗萍教授對統(tǒng)計與優(yōu)化領(lǐng)域各位專家學者的支持表示衷心的感謝，闡述了統(tǒng)計、優(yōu)化與機器學習融合的重要性，肯定了本次會議為廣大學者提供了學術(shù)交流平臺。

此次研討會參加此次學術(shù)盛會的有來自英國、美國、加拿大、新加坡等國家和地區(qū)，以及全國高校和研究機構(gòu)的學者，每場報告在線人數(shù)均超過130人，最高達200人。第七屆統(tǒng)計優(yōu)化與學習國際研討會為來自世界不同地區(qū)的高校和研究機構(gòu)開展統(tǒng)計、優(yōu)化以及機器學習領(lǐng)域的學者提供了一個科研交流和學習的平臺，圍繞統(tǒng)計學與運籌學等學科的交叉研究領(lǐng)域的前沿和熱點問題，如強化學習，對抗學習，分布式學習及穩(wěn)健估計等問題進行深入探討，交流最新的研究成果、應用進展以及社會需求，推進多個學科的交叉融合與發(fā)展。

轉(zhuǎn)自：北京交通大學新聞網(wǎng)