• 统计研究中心
当前位置: 首页 > 系列讲座 > 正文

加拿大约克大学吴月华教授:A general latent dimension estimation method for nonstationary processes


光华讲坛——海外名家讲堂

主题 A general latent dimension estimation method for nonstationary processes非平稳过程的一般潜维估计方法

主讲人:加拿大约克大学吴月华教授

主持人 统计学院林华珍教授

时间20231020日(周五)下午3-4

举办地点:柳林校区弘远楼408会议室

主办单位 统计学院 国际交流与合作处 科研处


主讲人简介

吴月华是加拿大约克大学数学和统计系教授,她的主要研究方向:M-估计,空间统计,模型选择,变点检测,非参数估计等,以及在环境、信息科学、计量经济中的应用。承担了多项加拿大重要科研项目,在国际顶级期刊PNAS等发表了100多篇学术论文。

内容简介

In this talk, we consider the problem of modeling nonstationary processes. Bornn et al. (2012) proposed a dimension expansion method, a novel technique for modeling nonstationary processes, aiming to find a dimensionally sparse projection in which the originally nonstationary field exhibits stationarity. However, their dimension expansion approach is a lasso-penalized least-squares method that does not account for the covariance structure of the empirical semivariogram. We thus propose a general latent dimension estimation method by replacing the least-squares method with generalized least-squares (GLS). Furthermore, we improve the GLS method by weighted least-squares, which is more computationally efficient and accurate. The performance of the proposed methods is demonstrated through simulations and real data examples.

本次报告中,主讲人考虑非平稳过程的建模问题。Bornn et al.(2012)提出了一种维数展开方法,这是一种新的非平稳过程建模技术,旨在寻找原始非平稳场呈现平稳的在维度上稀疏的投影。然而,他们的维数展开方法是一种LASSO惩罚最小二乘法,没有考虑到经验半变异函数的协方差结构。因此,主讲人提出了一种通用的潜在维数估计方法,用广义最小二乘(GLS)代替最小二乘方法。在此基础上,利用加权最小二乘对GLS方法进行了改进,提高了算法的计算效率和准确性。通过模拟和实际数据实例验证了所提方法的有效性。


上一条:中国科学院数学与系统科学研究院张维副研究员:Optimizing treatment allocation in randomized clinical trials by leveraging baseline covariates

下一条:罗格斯大学谢敏革(Min-ge Xie )教授:Repro Samples Method for Irregular Inference Problems and for Unraveling Machine Learning Blackboxes