学术广角

您现在的位置是: 首页> 学术研究> 学术广角

院双周战略论坛第27期

作者: | 来源: | 发布日期:2020-11-05 | 阅读次数:

 

报告题目:GRATIS: GeneRAting TIme Series with diverse and controllable characteristics & Déjà vu: A data-centric forecasting approach through time series cross-similarity

报告人:李丰,中央财经大学统计与数学学院副院长,大数据分析专业硕士导师,中国统计教育学会高等教育分会副秘书长。李丰博士毕业于瑞典斯德哥尔摩大学,研究领域包括贝叶斯计算、统计预测、分布式学习等,曾获瑞典皇家统计学会Cramér奖、国际贝叶斯学会青年奖励基金、瑞典Knut & Alice Wallenberg基金奖励、第二届全国高校经管类实验教学案例大赛二等奖。李丰博士主持和参与多项国家自然科学基金项目,著有《Bayesian Modeling of Conditional Densities》和《大数据分布式计算与案例》。研究成果发表在人工智能与数据挖掘期刊 Expert Systems with Applications、Statistical Analysis and Data Mining,统计期刊 Scandinavian Journal of Statistics,Journal of Statistical Planning and Inference,预测期刊International Journal of Forecasting,医学期刊Journal of Surgical Research、BMJ Open等。

报告时间:11月04日(周三)  上午9:00-12:00

地点:图配楼104

参加人员:院全体教学科研教师

内容简介:李丰博士在我院双周战略论坛上分享了“GRATIS: GeneRAting TIme Series with diverse and controllable characteristics”和“Déjà vu: A data-centric forecasting approach through time series cross-similarity”两篇文章。在“GRATIS: GeneRAting TIme Series with diverse and controllable characteristics”一文中,李丰博士使用MAR(mixture autoregressive)模型模拟时间序列集,分析了在时间序列特征空间中生成的时间序列的多样性和覆盖范围,为研究时间序列提供有效的评估工具。在“Déjà vu: A data-centric forecasting approach through time series cross-similarity”一文中,李丰博士使用一种新的以数据为中心的方法——“交叉相似预测”,这种方法以无模型的方式处理模型的不确定性并使用大量真实数据对该方法进行评估,结果表明,该方法在点预期和预测区间方面具有一定的准确性。