2024年10月31日下午，中国科学院王启华教授授应邀来我校开展以“Empirical Likelihood Inference over Decentralized Networks”为主题的学术讲座。本次讲座在综合楼615会议室举行，由统计与数学学院徐安察教授主持。

        王启华，中国科学院数学与系统科学研究院研究员，博士生导师，国家杰出青年基金获得者，教育部长江学者奖励计划特聘教授，中科院“百人计划”入选者。曾在北京大学、香港大学任教。先后访问加拿大、美国、德国及澳大利亚10多所世界一流大学。主要从事复杂数据经验似然统计推断、缺失数据分析、高维数据统计分析、大规模数据分析等方面的研究，出版专著三部，在The Annals of Statistics, JASA及Biometrika等国际重要刊物发表论文140余篇, 部分工作已产生持久不断的学术影响。

      本次讲座中，王教授从Background（背景）、Empirical likelihood over Decentralized Networks（去中心化网络的经验似然性）、Algorithms（算法）、Simulations（模拟）、Real Data Analysis（真实数据分析）这五个方面展开论述。作为一种非参数统计推断方法，经验似然在大部分场合中都非常有效，但当直接运用于海量数据处理时会带来较为严重的计算挑战。基于这个问题，也为了充分利用在不同节点上收集和储存的数据，王教授采用惩罚技术把不同节点计算的拉格朗日乘数融合在一起，并使用惩罚函数来求解具有拉格朗日乘子的分布式经验对数似然比统计量。然而，去中心化网络中融合惩罚的问题仍然难以解决，为此王教授提出了两种基于交替方向乘子法（ADMM）的算法：The Pairwise Copy Method（PCM，成对复制法）以及The Modified Approximation Objective Method（MAOM，修正近似目标法），这两种算法都有基于节点的实现方案。同时，王教授也证明了两种算法的收敛性，并进一步说明了在某些特定网络结构中的线性收敛性，展示了算法的计算效率。最后，王教授通过数值模拟对提出的方法进行了评估，并通过对人口普查收入和福特戈壁数据集进行了分析说明。

       随着讲座进入尾声，王启华教授与在场的各位老师同学进行了更加深入的学术讨论，并一一耐心解答大家的问题。最后徐安察教授对此次讲座发表总结并对王启华教授的分享以及在座同学们的参与表达了诚挚的感谢。