学术报告新

於州，华东师范大学教授、博士生导师。主要研究方向为高维数据统计分析及统计机器学习，在Annals of Statistics, Biometrika, JASA, JRSSB, JMLR, IEEE TIT 等知名统计及机器学习期刊上发表论文60余篇。曾获得上海市自然科学二等奖等奖项，霍英东青年科学奖二等奖。并先后入选上海高校东方学者特聘教授，上海市青年拔尖人才，国家级青年人才等计划。 

在现代人工智能领域，以自编码器和对比学习为核心的无监督/自监督范式，极大地推动了降维表示学习的发展与应用。同时，基于统计充分完备性准则的有监督降维方法，在深度学习的驱动下也取得了诸多新进展。我们将重点讨论融合统计相依性度量准则与生成式人工智能方法的新型深度非线性降维框架，并探讨其在预训练大模型的轻量化表示及变点检测中的具体应用。