李扬教授团队成果被人工智能国际顶会NeurIPS录用
时间：2021-10-04我院李扬教授团队就复杂网络连接概率估计问题展开研究，在放松假设条件基础上提出新的两阶段迭代估计算法，论文成果Iterative Connecting Probability Estimation for Networks被人工智能国际顶级会议NeurIPS接收。
中国人民大学统计学院在数据科学时代大力推进统计学与人工智能研究的交叉融合发展，于2020年成立数据科学与大数据统计系，目前已在ICML、NeurIPS等多个国际顶级会议发表研究成果。
论文摘要 Estimating the probabilities of connections between vertices in a random network using the observed adjacency matrix is an important task for network data analysis. Many existing estimation methods are based on certain assumptions on network structures, which limits their applicability in practice. Without making strong assumptions, we develop an iterative connecting probability estimation method based on neighborhood averaging. Starting at a random initial point or an existing estimate, our method iteratively updates the pairwise vertex distances, the neighborhood sets, and connecting probabilities to improve the precision of the estimate. We propose a two-stage neighborhood selection procedure to achieve the trade-off between smoothness of the estimate and the ability to discover local structure. The tuning parameters can be selected by cross-validation. We establish desirable theoretical properties for our method, and further justifies its superior performance by comparing with existing methods in simulation and real data analysis. 会议介绍 NeurIPS全称Conference on Neural Information Processing Systems，是全球最负盛名的机器学习与人工智能领域学术会议，由 NeurIPS 基金会主办。大会讨论的内容包含深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域。 作者介绍 秦祎辰，美国辛辛那提大学商学院副教授、博士生导师；主要从事网络数据、高维数据等复杂数据分析，模型不确定性评价与可视化，临床试验设计等领域研究；发表JASA、JMLR、Biometrics、Statistica Sinica等期刊论文二十余篇。 余林涵，中国人民大学统计学院硕士研究生，现就职于字节跳动；主要从事网络数据分析。 李扬（通讯作者），中国人民大学统计学院教授、博士生导师，副院长、统计咨询研究中心主任；国际统计学会推选会员、中国商业统计学会副会长、北京生物医学统计与数据管理研究会监事长；主要从事相关型数据分析、模型选择与不确定性评价、潜变量建模、临床试验设计等领域研究，承担国家自然科学基金面上项目、全国统计科学研究重大项目等科研项目二十余项，发表JASA、JAMA IM、Biometrics、Biostatistics、统计研究等期刊论文五十余篇。