5月27日，應(yīng)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院的邀請(qǐng)，浙江師范大學(xué)向道紅教授線上為我院師生作題為“Outcome Weighted Learning on Data with Low Intrinsic Dimension”的學(xué)術(shù)報(bào)告。數(shù)學(xué)與統(tǒng)計(jì)學(xué)院師生共十余人參加此次報(bào)告。

本次報(bào)告，向老師系統(tǒng)性地闡述了精準(zhǔn)醫(yī)療與結(jié)果加權(quán)學(xué)習(xí)的維度優(yōu)化方法。精準(zhǔn)醫(yī)療通過(guò)建立個(gè)體化治療規(guī)則（ITR），結(jié)合患者獨(dú)特特征以最大化臨床療效。結(jié)果加權(quán)學(xué)習(xí)（OWL）作為一種基于加權(quán)分類框架的ITR估計(jì)方法，在生物醫(yī)學(xué)數(shù)據(jù)分析中面臨維數(shù)災(zāi)難的挑戰(zhàn)，即當(dāng)特征維度（如基因組、臨床指標(biāo)）遠(yuǎn)高于樣本量時(shí)，算法收斂速率顯著下降。針對(duì)這一挑戰(zhàn)，向老師介紹將低維結(jié)構(gòu)假設(shè)與高斯核融合這一創(chuàng)新技術(shù)，提出通過(guò)高斯核函數(shù)改進(jìn)正則化批量OWL算法的學(xué)習(xí)速率。針對(duì)鉸鏈損失和q-范數(shù)鉸鏈損失，在噪聲條件或Besove光滑性條件下證明快速學(xué)習(xí)速率。此外，向老師還提出基于訓(xùn)練-驗(yàn)證集的超參數(shù)選擇策略，證明了無(wú)需數(shù)據(jù)分布先驗(yàn)知識(shí)即可實(shí)現(xiàn)自適應(yīng)最優(yōu)收斂速率。

報(bào)告結(jié)束后，向老師對(duì)師生提出的相關(guān)問(wèn)題進(jìn)行了積極的回答，開(kāi)拓了在場(chǎng)學(xué)生的科研視野，受益匪淺。

專家簡(jiǎn)介：

向道紅，浙江師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院教授，博士生導(dǎo)師，德國(guó)洪堡學(xué)者，浙江省高校中青年學(xué)科帶頭人，浙江省應(yīng)用數(shù)學(xué)研究會(huì)副理事長(zhǎng)。于2009年2月獲香港城市大學(xué)博士學(xué)位，2009-2010年在香港中文大學(xué)作博士后，2010年3月入職浙江師范大學(xué)至今。研究領(lǐng)域?yàn)榻y(tǒng)計(jì)學(xué)習(xí)理論、穩(wěn)健統(tǒng)計(jì)等。在《Journal of Machine Learning Research》《Journal of Approximation Theory》《Advances in Computational Mathematics》《Journal of Multivariate Analysis》《Science China Mathematics》等國(guó)內(nèi)外學(xué)術(shù)刊物上發(fā)表論文多篇。主持完成國(guó)家自然科學(xué)基金面上項(xiàng)目3項(xiàng)、青年基金1項(xiàng)、浙江省自然科學(xué)基金1項(xiàng)。

（數(shù)學(xué)與統(tǒng)計(jì)學(xué)院  耿欣欣 李海鋒）