报告一

报告题目：Mean-field stochastic linear quadratic control problem with random coefficients

报告人：熊捷 教授（南方科技大学）

报告时间：2024年6月15日（周六）上午09: 00 - 09: 50

报告地点：数学与统计学院245教室

报告摘要:

In this talk, we first prove that the mean-field stochastic linear quadratic (MFSLQ) control problem with random coefficients has a unique optimal control and derive a preliminary stochastic maximum principle to characterize this optimal control by an optimality system. However, because of the term of the form $\mathbb{E}[A(\cdot)X(\cdot)] $ in the adjoint equation, which cannot be represented in the form $\mathbb{E}[A(\cdot)]\mathbb{E} [X(\cdot)] $, we cannot solve this optimality system explicitly. To this end, we decompose the MFSLQ control problem into two constrained SLQ control problems without the mean-field terms. These SLQ control problems can be solved explicitly by an extended LaGrange multiplier method. This talk is based on a joint paper with Wen Xu.

报告人简介：熊捷教授1983年本科毕业于北京大学，1992年获得美国北卡罗来纳大学教堂山分校博士学位。1993年加入美国田纳西大学数学系，1999年晋升为副教授并获终身教职；2004年晋升为教授；2012年受邀加盟澳门大学，任终身教授，2017年加盟南方科技大学数学系，任讲席教授。熊捷教授研究领域包括随机微分方程、马氏过程、极限理论、随机分析、数理金融等。已在Springer、IMS Monograph、牛津大学出版社和世界科学出版社出版专著4本，在Annals of Probability、Probability Theory and Related Fields等世界一流杂志发表学术论文100余篇。

报告二

报告题目：统计优化与统计计算

报告人：朱利平 教授（中国人民大学）

报告时间：2024年6月15日（周六）上午09: 50 -10: 40

报告地点：数学与统计学院245教室

报告摘要:随着大数据时代的到来，统计与优化结合将显得越来越重要而且越来越有必要。我们将以一比特压缩感知问题为例来说明这一观点。

报告人简介：朱利平，中国人民大学长聘教授、博士生导师，学校和理工学部学术委员会委员，统计与大数据研究院院长，人民教育出版社普通高中教科书《数学》联合主编，国家重大人才工程入选者，国家杰出青年科学基金获得者，国家重点研发计划首席科学家，兼任中国现场统计研究会生存分析分会理事长和高维数据统计分会副理事长等。先后受邀担任国际统计学领域顶级学术期刊《统计年刊》、国际权威学术期刊《中华统计学》和《多元分析》等副主编，以及国内统计学领域顶级学术期刊《中国科学·数学》（中、英文版）、《系统科学与数学》（中、英文版）和《应用概率统计》等青年编委、编委和副主编等。

长期从事大数据统计学基础理论、方法和应用研究。1.在高维度大数据领域，提出不依赖于切片数的累积切片估计方法、不依赖于分布条件的半参数降维方法和不依赖于模型的变量筛选方法，解决了充分降维领域“公开问题”，被认为是该领域“突破性进展”，被列为变量筛选领域“基准方法”。2.在非线性大数据领域，提出投影相关系数度量非线性相关关系，广泛应用于类脑科学和天文学等研究中；原创性提出区间分位数相依基本思想，扩宽了（分布）独立基本概念并建立了（分布）独立与分位数独立和均值独立的联系。3.在大数据应用领域，主持开发的虚假诉讼预警甄别系统已经在四川省高级人民法院和成都市中级人民法院等10家法院部署应用示范，参与编写的人民法院信息化标准《民事案件信息技术规范》已被最高人民法院发布实施。

报告三

报告题目：预训练模型在单细胞数据分析中的应用

报告人：邓明华 教授（北京大学）

报告时间：2024年6月15日（周六）上午11: 00 - 11: 50

报告地点：数学与统计学院245教室

报告摘要:预训练（Pre-training）是机器学习和深度学习领域中一种重要的技术，是大语言模型的基础。本报告将介绍课题组最近的两个工作scEMAIL和CANAL，scEMAIL和CANAL以细胞类型分类为任务，以预训练模型为基础。scEMAIL利用标记良好的源数据，通过有监督学习得到预训练源模型，然后对源模型进行自监督微调，实现对目标数据的类型标注。CANAL则是基于自监督预训练语言模型，允许注释良好的数据分阶段出现进行持续学习，通过经验重放模式和表示知识蒸馏技术，有效克服“灾难性遗忘”问题。

报告人简介：邓明华，北京大学数学科学学院教授，现任中国商业统计学会副会长，中国工业与应用数学学会数学建模专委会副主任，中国现场统计研究会统计交叉分会副理事长。邓明华1987年9月-1998年1月在北京大学数学学院学习，毕业后留校工作至今。2003年8月晋升为副教授，2006年任博士生导师，2009年8月晋升为教授。其间2001年2月－2003年8月在美国南加州大学计算分子生物学中心从事博士后研究，2009年8月-2010年1月美国耶鲁大学访问副教授。邓明华从事生物信息学研究，发表SCI论文100余篇。曾先后主持5项自然科学基金面上项目和1项863项目，先后参加3项973项目和2项科技部重点研发项目。