北京航空航天大学主页平台系统 张慧铭 您所在的位置:网站首页 称赞的拼音 北京航空航天大学主页平台系统 张慧铭

北京航空航天大学主页平台系统 张慧铭

#北京航空航天大学主页平台系统 张慧铭| 来源: 网络整理| 查看: 265

张慧铭,北京航空航天大学人工智能研究院的副教授(准聘)。北京大学获得统计学博士(2016-2020);澳门大学濠江学者博士后研究员(2020-2022)。研究方向:高维概率统计、稳健估计、机器学习与深度学习理论、函数型数据、无穷可分分布等。

发表SCI论文20篇(包括机器学习与人工智能顶刊JMLR、统计顶刊JASA,Biometrika、精算顶刊IME、统计与数学主流刊Statistica Sinica, Journal of Complexity, Stat等;谷歌学术引用超400次,见scholar.google.com/citations?user=P6Xdk6AAAAAJ),其中两篇为Web of Science高被引论文。曾获博\硕士研究生国家奖学金两次、北大校长奖学金、2015年度中国平安励志计划保险学术论文奖(唯一一个获得特别学术奖)等。

主持国自科青基一项;担任美国《数学评论》评论员,SCI期刊Mathematics(Q1,中科院三区, IF=2.592)的"高维与非渐近统计专栏"客座主编(见mdpi.com/si/120128);担任过统计、概率与机器学习顶刊(AOS,AOAP,JASA,JMLR,IEEET-SP)的审稿人。Erdos数=4,数学谱系计划www.mathgenealogy.org/id.php?id=265245 。

      主要学术贡献:I. 部分解决伪离散无穷可分分布的刻画 (发表于IME), 被著名概率学者K. Sato教授在数学顶刊Tran AMS的论文正面引用。II. 与陈松蹊院士合作的集中不等式综“Concentration Inequalities for Statistical Inference”在非渐近统计推断\小样本学习领域受到同行关注。III. 在数据(输入和输出变量)的方差不存在情况下,首次给出了一般回归模型(机器学习ERM问题)参数的对数截断稳健估计及其Excess Risk的非渐近理论 (发表于JMLR)。应用包括:稳健广义线性模型, 稳健分位数回归、以及稳健稀疏深度神经网络回归等。

机器与深度学习 统计推断 应用概率 精算数学

暂无内容

暂无内容

暂无内容

暂无内容



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有