“数理讲堂”2026年第14期:CRT*:融合异质外部数据与无标签数据的条件随机化检验

发布时间:2026-11-17 供稿:数学与统计学院 分享至:

主题:CRT*:融合异质外部数据与无标签数据的条件随机化检验

时间:11月19日 13:00

地点:15号楼518会议室

主持人:赵岩斌

报告简介:

条件随机化检验(CRT)为条件独立性检验提供了一种具有严格理论依据的方法:当真实条件分布已知时,能够保证精确的第一类错误率控制。然而,在实际应用中,该条件分布通常需要估计,估计误差可能导致第一类错误率膨胀,而高维性与有限样本量则可能降低检验功效。尽管外部数据和无标签数据有望改善条件独立性检验,但若直接整合这些数据而忽略分布异质性,则可能破坏第一类错误率控制,且无法提升检验功效。本文提出 CRT*,一种能够稳健整合外部数据与无标签数据的新框架,以改善异质性情形下的条件独立性检验。CRT* 将平滑残差自助法(SRB)与迁移学习相结合,用于估计条件分布;同时,通过检验统计量的最优凸组合,实现自适应数据融合。

主讲人简介:

谌自奇,华东师范大学统计学院研究员、博士生导师,长期从事因果结构学习、生成模型、高维统计与数据融合等方向的研究。主持国家自然科学基金面上项目3项、国家自然科学基金青年项目 1 项、作为子课题负责人承担国家自然科学基金重点项目 1 项,并以研究骨干身份参与国家重点研发计划和上海市“科技创新行动计划”应用数学重点项目。研究成果发表于 JASA、Biometrics、Bernoulli、Statistica Sinica、Scandinavian Journal of Statistics 等统计学权威期刊,以及 NeurIPS、ICLR、KDD、AAAI 等人工智能与数据挖掘顶级会议。

打印
上一篇:下一篇: