讲座主题：基于半参数模型平均的最优参数迁移学习

主讲嘉宾：张新雨，中国科学院数学与系统科学研究院预测中心研究员，中国科学院管理、决策与信息系统重点实验室副主任

讲座时间：2022年11月22日14:00-16:00

讲座地点：腾讯会议ID 112529810

嘉宾简介：张新雨，2005年毕业于中央财经大学，2010年在中国科学院系统所获博士学位，目前是中国科学院数学与系统科学研究院预测中心研究员，中国科学院管理、决策与信息系统重点实验室副主任。主要从事计量经济学和统计学的理论和应用研究工作，具体研究方向包括模型平均、机器学习和组合预测等，发表论文70余篇，其中多篇论文发表在统计学四大期刊和计量经济学顶级期刊JoE。担任SCI期刊《Journal of Systems Science & Complexity》领域主编、期刊《系统科学与数学》、《数理统计与管理》等的编委，是中国统筹法优选法与经济数学研究会数据科学分会副理事长、系统工程学会青工委副主任委员、国际统计学会当选会员，先后主持自科优秀和杰出青年基金项目，曾获中国青年科技奖。

内容摘要：迁移学习在人工智能领域受到越来越多的关注，其目的是通过利用几个相关源领域的任务来改进一个感兴趣的目标任务。在这篇文章中，我们重点研究了在迁移学习设置下半参数可加线性模型的预测。继承参数转移学习的精神，我们假设在我们的框架中不同模型之间的参数组件中共享的现有公共知识可能有助于目标预测任务。我们采用频率模型平均策略来利用参数信息。还建立了理论性质，包括基于样本外预测风险的渐近最优性和在某些正则性条件下权重收敛的性质。大量的数值结果表明，与竞争方法相比，该方法在各种模拟设计下具有优越性。