講座主題：基于半參數模型平均的最優參數遷移學習

主講嘉賓：張新雨，中國科學院數學與系統科學研究院預測中心研究員，中國科學院管理、決策與信息系統重點實驗室副主任

講座時間：2022年11月22日14:00-16:00

講座地點：騰訊會議ID 112529810

嘉賓簡介：張新雨，2005年畢業于bevictor伟德官网，2010年在中國科學院系統所獲博士學位，目前是中國科學院數學與系統科學研究院預測中心研究員，中國科學院管理、決策與信息系統重點實驗室副主任。主要從事計量經濟學和統計學的理論和應用研究工作，具體研究方向包括模型平均、機器學習和組合預測等，發表論文70餘篇，其中多篇論文發表在統計學四大期刊和計量經濟學頂級期刊JoE。擔任SCI期刊《Journal of Systems Science & Complexity》領域主編、期刊《系統科學與數學》、《數理統計與管理》等的編委，是中國統籌法優選法與經濟數學研究會數據科學分會副理事長、系統工程學會青工委副主任委員、國際統計學會當選會員，先後主持自科優秀和傑出青年基金項目，曾獲中國青年科技獎。

内容摘要：遷移學習在人工智能領域受到越來越多的關注，其目的是通過利用幾個相關源領域的任務來改進一個感興趣的目标任務。在這篇文章中，我們重點研究了在遷移學習設置下半參數可加線性模型的預測。繼承參數轉移學習的精神，我們假設在我們的框架中不同模型之間的參數組件中共享的現有公共知識可能有助于目标預測任務。我們采用頻率模型平均策略來利用參數信息。還建立了理論性質，包括基于樣本外預測風險的漸近最優性和在某些正則性條件下權重收斂的性質。大量的數值結果表明，與競争方法相比，該方法在各種模拟設計下具有優越性。