题目：Performance-enhanced Aggregated Representation Learning

报告人：张新雨

报告时间：2024年12月18日（周三） 16:00-16:45

地点： 综合楼644会议室

报告人简介：

中科院数学与系统科学研究院/预测中心研究员。担任期刊《Journal of Systems Science and Complexity》领域主编、期刊《Statistical Analysis and Data Mining》Associate Editor、期刊《系统科学与数学》和《应用概率统计》编委，是中国统筹法优选法与经济数学研究会数据科学分会副理事长和国际统计学会当选会员。先后主持国家自然科学基金委优秀和杰出青年研究基金项目，曾获得中国管理学青年奖和中科院优秀博士学位论文等奖励。

报告摘要：

This paper studies the general framework of representation learning and develops a frequentist model averaging framework to combine different representation learning methods. The weight choice criterion is K-fold cross-validation criterion. We prove the asymptotic optimality and the weight consistency. Numerical studies and real-data analysis demonstrate the superior performance of the proposed method.