（通讯员 吴志伟 谭哲雨 宋林非 易菲亚 ）2024年10月15日—17日，首都师范大学崔恒建教授、中国科学院孙六全研究员、张新雨研究员、李启寨研究员、香港中文大学宋心远教授为我院师生做学术讲座，讲座由学院副院长王艳清主持，学院师生积极参与。
崔恒建教授介绍了一种用于噪声标签分类的类灵敏度特征引导的T型生成模型，以解决大规模数据集中噪声标签导致的深度神经网络（DNN）性能下降问题。核心方法包括类别敏感特征提取器（CSFE）和T型生成分类器（TGC），通过特征提取和分类器生成的改进，提升模型在噪声标签环境中的表现。
随着大规模生存数据中治愈比例问题的出现，分析风险因素的大规模回归面临挑战，孙六全研究员介绍了一种新的概率加权方法，用于半参数治愈回归模型的估计与推断。该方法基于灵活的混合治愈模型，结合无模型限制的发病率和半参数比例风险模型的潜伏期。
宋心远教授介绍了一种基于机器学习的方法用于估计异质性治疗效果。该方法构建了一个贝叶斯因果森林与加速失效时间治愈模型的联合框架，通过三个独立的贝叶斯加性回归树来捕捉治愈比例和治疗效果的异质性。此外，她还引入了生成对抗网络方法，以进行因果中介分析和异质性治疗效果的识别。
张新雨研究员首先回顾了马科维茨均值－方差模型的起源，并结合安然公司退休金计划、巴林银行破产和大奖章基金等案例进行分析。随后介绍了一种基于条件均值－方差框架的投资组合平均策略，该策略旨在整合所有可用信息，并实现期望的风险－收益权衡。
李启寨研究员详细介绍了全基因组关联分析（GWAS）的基本原理与相关模型。由于目前全基因组关联分析方法大多数依赖于完全同质性假设，但由于不同GWAS研究的人群多样性，这种假设并不现实，他提出了一种新颖的框架SS-trans，能够有效利用外部研究的异质性汇总数据，增强内部相关研究的统计分析。
文字|吴志伟 谭哲雨 宋林非 易菲亚
排版|胡立文
审核|吴志伟
