2011-08-24 | 编辑：文\许清 图\王林

　 8月24日上午，国家数学与交叉科学中心（以下简称国家数学交叉中心）综合报告会第六场在思源楼大报告厅举行。美国加州大学伯克利分校郁彬教授受国家数学交叉中心邀请，作题为“高维数据的稀疏模型”的报告。国家交叉中心主要领导及100余位科研人员及学生出席报告会。国家交叉中心副主任、数学院党委书记王跃飞主持报告会，并为郁彬教授颁发交叉中心讲座证书。

　　郁彬教授认为，统计机器学习是大统计学的核心内容之一。她从与伯克利分校神经科学实验室合作研究项目——对人类认识视觉通路谈起，通过生动的图片展示，对前人和其扩展的理论和实践进行了概述，系统讲解了神经科学怎么建模，以及建模的作用。她在数据统计过程中通过比较研究发现，当数据模型是高维而数据量是低维的时候，可以用稀疏模型很好的解释相关问题。她强调，数据模型越简单越好，越能接近事物的本质。在非线性模型与线性模型的比较研究中，她发现，非线性稀疏模型更容易解释和说明问题，但并不是唯一的预测模型。

　　郁彬教授，国际著名的机器学习与统计专家，美国加州大学伯克利分校统计系主任、讲座教授，北大-微软统计与信息技术联合实验室共同主任、曾是我院复杂系统国际研究团队成员。研究领域包括高维数据的统计机器学习理论及其在远程遥感、生物信息学等方面的应用。在国际期刊和会议上发表了80多篇学术论文，现为IEEE，IMS，ASA的会士、2006年Guggenheim Fellow，美国JASA, Technometrics的副主编，Journal of Machine Learning Research的执行编委。