中文大学研究帮理传授朱慧晨做了题为“Hybrid Censored Quantile Regression Forest to Assess the Heterogeneous Effects”的演讲。演讲引见了一种新的丛林框架来评估时间事务成果的异质量化处置效应。他提出的夹杂删失量化回归丛林（HCQRF）可以或许处置异质性和删失问题，并通过对结曲肠癌临床试验数据的阐发，展现了该方式的使用潜力。
南方科技大学副研究员魏鸿鑫做了题为“On the probability value of deep classifier for Conformal prediction”的演讲。他提出了排序自顺应预测集（SAPS）方式，通过优化温度缩放的丧失函数，提高深度分类器生成的概率值的预测效率，并正在图像分类尝试中验证了方式的无效性。
使用物理取计较数学研究所研究员成娟做了题为“可压缩流体力学高精度拉格朗日方式”的演讲。演讲分享了可压缩流体力学中高精度拉格朗日方式的最新研究进展。拉格朗日方式因其从动逃踪物质界面及高计较分辩率，被普遍使用于物理和惯性束缚聚变的多介质流体模仿。她的演讲沉点引见了该方式正在提拔流体计较精度和效率方面的立异。
中山大学传授凌青做了题为“Byzantine-Robust Distributed Online Learning！ Taming Adversarial Participants in An Adversarial Environment”的演讲。演讲引见了正在拜占庭下的分布式正在线进修的研究。虽然当前一些稳健的聚合法则能够正在必然程度上应对匹敌性中的拜占庭，但正在线梯度下降算法的匹敌性可惜仍然只能达到线性边界。凌传授证了然这一成果的必然性，并提出了正在不完全匹敌的环境下，操纵i。i。d。丧失能够实现次线性随机可惜的可能性。他还开辟了拜占庭稳健的分布式正在线动量算法，以达到次线性随机可惜边界。
西安交通大学传授杨树森做了题为“联邦进修优化方式取使用”的演讲。演讲切磋了联邦进修的优化方式及其使用联邦进修可以或许处理数据现暗里的跨从体结合建模问题，但正在广域网、他引见了团队正在联邦优化算法设想和理论阐发方面的进展，并展现了这些手艺正在电力、金融和政务等范畴中的使用，鞭策数据要素的平安畅通和智能建模。
首都师范大学传授蒋仁进做了题为“On the heat kernel on exterior domains and applications”的演讲。演讲分享了关于外部区域热核的研究，了某些几何性质能够热核的优良行为。他还切磋了热核正在分歧使用范畴中的主要性和现实使用，为理解热核正在外部域中的行为供给了新的视角和东西。
复旦大学传授陈钊做了题为“The Yule-Walker Estimators for Functional Autogregressive Models”的演讲。演讲引见了对典范自回归模子（AR）的扩展，提出了正在希尔伯特空间中的ARH(p)模子。这一方式通过自协方差算子成立Yule-Walker方程，用于参数估量和将来不雅测的预测，并通过正则化方决逆问题，推导出分歧的估量量和预测器。理论贡献包罗预测器的核心极限，可以或许建立相信区间并进行统计揣度，使用于可穿戴设备数据阐发展现了模子正在分类上的无效性。
统计取大数据研究院院长朱利平掌管本次论坛的揭幕式。他暗示，本次论坛邀请到了多位跨范畴的专家学者进行出色的学术演讲，交换学术前沿问题，配合切磋统计学科的成长机缘取挑和。
湘潭大学传授杨银做了题为“星载SAR图像活络自定标方式及其不变性阐发”的演讲。演讲分享了星载SAR图像的活络自定标方式及其不变性阐发。因为基于距离-多普勒模子的自定标成果存正在不脚，他提出了一种活络的立体双沉自定标方式（TPM），通过行列式和精度不变因子（ASF）对图像数据进行过滤，并阐发了卫星对定标误差的影响，进而确定了入射角和卫星正在定标中的感化。以上涵盖了流体力学、偏微分方程、分布式进修、联邦进修优化以及合成孔径雷达图像处置等多个交叉学科范畴研究中的前沿。演讲切磋了利用广义熵的去偏估量方式正在抽样查询拜访中的使用。他提出的框架以广义熵为方针函数，优化抽样中的校准加权，可以或许比保守方式更高效地生成校准权沉，并展现了其正在农做物查询拜访数据中的使用。
科技大学帮理传授尤为做了题为“Pure exploration for dueling bandits”的演讲。演讲会商了匹敌性摸索中纯摸索的问题，出格是对决算法中的固定相信度设置。他提出了一种消息导向的选择法则，基于消息增益自顺应选择候选对，提高了算法的效率。
华东师范大学副传授王小舟做了题为“Robust distributed learning for classification”的演讲。消息手艺的成长带来了数据来历的多样化和大规模数据集，这促使我们摸索分布式进修算法。然而正在实践中，分布式系统可能会蒙受或呈现非常行为，这使得基于无毛病系统的分布式算法变得无效。引见了一些关于分类的鲁棒分布式进修的研究成果。
上海交通大学副研究员马诗洋做了题为“Local genetic correlation via knockoffs removes confounding due to cross-trait assortative mating”的演讲。演讲引见了LAVA-Knock方式，用于处理局部遗传相关性阐发中的交叉性状择偶带来的稠浊问题。通过生成模仿数据以保留局部和长距离连锁不均衡（LD），该方式显著削减了误差，并正在教育取智力等多个性状配对中验证了其无效性。
：
