数学大讲堂

A Deep Learning Perspective of Recursive Partitioning Based Methods

  • 演讲者:张和平(耶鲁大学)

  • 时间:2018-06-22 16:30-18:00

  • 地点:慧园3栋 415报告厅


4:30pm ~ 5:00pm: Yale University Biostatistics Information Session

5:00pm ~ 6:00pm: Colloquium



Bio

张和平博士,耶鲁大学Susan Dwight Bliss生物统计学教授,统计与数据科学教授,儿童研究中心教授。他创建并主持耶鲁大学科学与统计协作中心。同时他也是香港大学荣誉教授,国家计划学者和长江讲座教授,泛华统计协会候任主席。他于1982年获得江西师范大学数学学士学位,1991年获得斯坦福大学统计学博士学位并兼修计算机科学。

他是期刊Statistics and Its Interface的创始主编。他目前担任美国统计协会杂志(JASA)遗传流行病学和生殖与不育专题研究的编委。

张教授曾入选哈佛大学公共卫生学院2008年度Myrto Lefkopoulou杰出学者并作2011年IMS Medallion报告,2011年Royan国际生殖健康研究奖的获得者,2013年获得美国生殖医学学会颁发的科学论文奖,2014年March of Dimes 早产最佳研究奖,2017年美国妇产科杂志优秀论文奖。

研究兴趣包括非参数方法,纵向数据,统计遗传学和生物信息学,临床试验,流行病学数据统计建模,脑成像分析,统计计算和行为科学的统计方法。他是Springer出版的“递归分区及其应用(Recursive Partitioning and Its Applications)”一书的作者,并在高影响力的统计、遗传、流行病学和精神病学期刊上发表了280多篇学术论文,其中包括Annals of Statistics, Annals of Applied Statistics, Biometrika, JASA, JRSSB, American Journal of Human Genetics, American Journal of Psychiatry, PNAS, Science, JAMA, 以及 the New England Journal of Medicine.



Abstract

Unlike any other method, deep learning has come as a forceful wave that knocked many of us to the sand, regardless of which direction we stood before. In this talk, I will begin with a brief introduction of the main steps of deep learning algorithm, and then use it to reflect on some of the statistical methods that I have developed over the past two decades, specifically classification trees for multiple binary responses (CTMBR) and multivariate adaptive splines for longitudinal data analysis (MASAL).  I will discuss the pros and cons of these methods, and offer my own perspective in our missed opportunities as well as new challenges and opportunities.