讲座
预告
疫情之后,随着社会生活逐步恢复正常,线下的世界再次向公众敞开了怀抱。曾经,为了应对疫情带来的挑战,许多学术讲座和文化活动纷纷转战线上,为无法亲身参与的人们提供了宝贵的知识资源和学习机会。然而,随着线下空间的重新开放,这一趋势发生了逆转。昔日的线上讲座逐渐回归线下,以闭门会议的形式开展,这无疑限制了信息的广泛传播与共享。因为地域、时间等限制,对于大多数远程观众来说,只能望而兴叹,无法真正受益。
面对这一困境,我们团队决定继续坚守初心,致力于整理和传播那些真正有价值、有深度的线上线下学术讲座。我们每天花费大量时间,精心筛选和整理涵盖文化、艺术、科学、技术等多个领域,涉及文史哲理工农医军管法教育等多学科的讲座资源。这些讲座都是主讲人多年研究成果和经验智慧的结晶,对于提升观众的知识水平和思维能力具有极大的帮助。
为了确保讲座信息的真实性和可用性,我们严格把关,收集在线讲座信息。这意味着,无论您身在何处,只要通过网络平台,都能轻松观看到这些精彩的讲座。这不仅极大地节约了大家宝贵的时间,也打破了地域限制,让更多人能够享受到优质的教育资源。
同时,我们精心整理线下学术讲座信息性,供同学们根据所处学校地就近选择,参与听课。讲座信息设置了准入渠道。目的是保护讲座信息的完整性和真实性,防止被部分人低廉地粗制滥造或另作他用。如果您希望获得更多的学术讲座信息,可以通过以下绿色通道进入,就可以看到每天很多讲座的【主题内容】【时间】【线上讲座账号】【线下讲座地点】【主讲人】等信息。让您随时随地都能接触到最前沿的学术动态和研究成果。
除开以下讲座外每天随机赠送各种不同资源一次
【500套付费套装书】
【得到付费锦囊1900篇合集】
【知识星球付费课程】
https://pan.quark.cn/s/f3bb58371c4a
【主题】复杂网络的Fiedler向量排序法
报 告 人:周进 教授 (武汉大学)
报告时间:2024年11月5日(星期二) 10:30-11:30
报告地点:腾讯会议号微信联系CCSHHJIA
报告摘要:复杂网络中每条边或圈对于网络动力学的贡献是非常重要且有意思的问题。本报告将每条边对网络整体动力学的贡献进行了精确量化,适用于所有有向网络和无向网络。量化方法仅需网络的左右Fiedler向量,即可解析每条边的贡献值和贡献率。进一步发现,网络Fiedler值恰好是所有边动力学贡献值之和。该方法结合扰动机制,简化后用于无向网络中点及圈的重要性排序,从而提出对于复杂网络点、边、圈、高阶交互等结构中心性的Fiedler向量排序法。通过牵制控制检验了排序效果,证实其简洁高效的特性。对于有向圈,通过流图方法计算网络Laplacian矩阵特征谱,揭示有向圈最小入度决定网络动力学,有向圈抑制网络动力学。报告深入探讨复杂网络中点、有向边与无向边、有向圈与无向圈的中心性相关问题,精进我们对网络结构与动力学相互关系的理解。报告的研究成果为实际应用如网络优化、故障诊断、结构识别等提供创新视角和方法。
报告题目:Mutual aid insurance with a three-state Markov chain
时 间:2024年11月5日(星期二)14:00
地 点:腾讯会议号微信联系CCSHHJIA
主 办:数学与统计学院
参加对象:感兴趣的老师和学生
报告摘要:Mutual aid insurance is a collective type of insurance where the policyholders share the potential losses or risks that they may face. In this paper, we establish a mathematical structure for mutual aid insurance through a three-state (good, bad and death) process, which is driven by an inhomogeneous Markov chain. The objective of maximizing an individual’s lifetime utility is achieved by addressing a stochastic control problem that involves both mutual aid insurance and life insurance. We obtain the explicit expressions for optimal consumption, investment strategies, and life insurance premiums by employing the corresponding Hamilton-Jacobi-Bellman equation. In the end, we carry out a numerical analysis to show the significance of mutual aid insurance and demonstrate the optimal mutual aid insurance premium.
报告人简介:荣喜民,天津大学数学学院教授,博士生导师、中国工程概率统计学会常务理事、中国高等教育学会理科教育专业委员会常务理事、天津市现场统计学会副理事长。主要从事金融数学、精算数学、风险管理等方面研究工作,在 Insurance: Mathematics and Economics 、Quantative Finance、Scandinavian Actuarial Journal、IMA Journal of Management Mathematics等期刊发表相关论文百余篇,其中 SCI 检索 50 余篇。主持及参与多项国家自然科学基金和天津市自然科学基金项目。
【主题】proper orientation and proper chromatic number
报告人:陈耀斌
报告时间:2024年11月5日15:00-17:00
报告地点:腾讯会议号微信联系CCSHHJIA
邀请单位:福州大学数学与统计学院
报告内容简介:
The proper chromatic number of a graphGis the minimumksuchthat there exists an orientation of the edges ofGwith all vertex-outdegrees at mostkand such that for any adjacent vertices, the outdegrees are different. Two major conjectures about the proper chromatic number are resolved. First it is shown, that the proper chromatic number of any planar graphGis bounded (in fact, it is at most 14). Secondly, it is shown that for every graph, the proper chromatic number can be bounded by a function of the usual chromatic number and the maximum average degree taken over all subgraphs of G. Several other related results are derived. Our proofs are based on a novel notion of fractional orientations. This is joint work with Bojan Mohar and Hehui Wu.
【主题】中国知网在大学科研学习中的使用指南
主讲人:厉松岩
讲座时间:2024年11月5日(周二)16:00-17:30
腾讯会议号微信联系CCSHHJIA
讲座内容:
引入:知网及资源简介;
科研写作利器:高效检索、可视化分析、阅读及写作投稿;
效能提升:新工具的应用。
【主题】行测的能力提升
【主题】西太平洋浮游植物群落生态学研究进展
报告人柳欣 教授厦门大学
厦门大学教授、博导、南强青年拔尖人才。主持国家自然科学基金优青,参与创新群体、重点、重大等项目,长期开展海洋浮游植物生态学现场观测,二十余次参加海洋科考航次,七次担任航次首席科学家。研究成果发表在 L&O、GRL、Water Research等主流学术期刊上,并担任 L&O: Methods、JGR: Biogeosciences、Marine Life Science and Technology等多个国内外学术期刊的副编辑和编委。
报告主持人:刘东艳 教授华东师范大学
2024年11月5日 周二20:00-21:00
【主题】Deep Learning Based Semi-Supervised Medical Image Segmentation
时间:2024年11月5日(周二)20:30
地点:腾讯会议号微信联系CCSHHJIA
报告主题
Deep Learning Based Semi-Supervised Medical Image Segmentation报告摘要 Semi-supervised medical image segmentation has shown promise in training models with limited labeled data and abundant unlabeled data. However, the performance of state-of-the-art semi-supervised models still lags significantly behind fully supervised models. These challenges highlight the need for methods that can accurately capture boundaries of interest areas by leveraging inherent image features rather than relying solely on extensive annotations
【打开方法】
1. 点击上面“文化生活 | 今日讲座”小程序
2. 或者复制以下网址到浏览器打开
https://docs.qq.com/doc/DVmdoeWdrcVFZY1JW?groupUin=ps0rrbjYZLkGNMkjqtpx0w%253D%253D
4.专业社群交流
【各项目详情,微信联系 WCSHJIA 或 CCSHHJIA,如您有更好的建议或其他服务需求,也可通过QQ540202091或公众号对话框进行交流】