（通讯员 吴志伟 谭哲雨）4月28日16点，由统计与数学学院主办的“中南·统数”求真创新论坛（2025年第7期）在文波楼智慧教室205成功举办。香港中文大学王军辉教授应邀以“Learning nonparametric graphical model on heterogeneous network-linked data”为题展开学术分享，本期讲座由统计与数学学院吴远山教授主持，学院师生积极参与。
王军辉教授提出了一种针对异质网络数据的非参数图模型学习方法。传统图模型在处理复杂异质网络数据时存在局限性，如假设数据服从特定分布或依赖独立同分布假设，而现实中的网络数据包含多类型节点和边，且存在非独立的结构化依赖。王教授提出基于得分函数和再生核希尔伯特空间的非参数框架，通过估计数据密度函数的对数梯度及其二阶导数，直接刻画变量间的条件独立性，构建图结构。理论分析证明了该方法在估计一致性和异质图结构精确恢复上的有效性。实验部分展示了其在模拟数据和真实统计学家合作网络数据上的优越性能，尤其在处理非高斯分布、多模态分布及网络依赖性时表现突出。他还对比了传统参数化方法与非参数方法，强调非参数模型在灵活性和分布假设自由性上的优势。
本次学术讲座使与会师生深入了解了针对异质网络数据的非参数图模型学习方法，具有很强的理论性和前沿性，为我院师生提供了一个开阔学术视野、了解学术前沿知识的平台。
报告人简介：王军辉教授现为香港中文大学统计系教授兼系主任。他本科毕业于北京大学，研究生毕业于美国明尼苏达大学并获得统计学博士学位。他的研究方向包括统计机器学习及其在生物医学，经济，金融，和信息技术上的应用。他的研究成果广泛发表于JASA, Biometrika、JMLR和NeurIPS等统计及机器学习的顶级期刊和会议，并担任JASA、AoASJCGS、Statistica Sinica等主流期刊的副主编。
审核人：梁娜
