7月9日上午，数学统计学院在宁远楼314室举办学术讲座。加州大学圣巴巴拉分校统计与应用概率系助理教授于果应邀作题为“带协变量的高斯图回归模型的凸估计”的学术报告。学院相关专业教师及研究生到场聆听。
报告中，于果指出，高斯图模型广泛用于学习随机变量间的条件独立结构，但现有协变量调整方法存在局限：或仅允许协变量影响均值，或在联合估计均值和精度矩阵时面临非凸优化问题。为此，他提出基于多元高斯似然自然参数化的凸优化框架，实现协变量调整后均值与精度矩阵的同时估计，将原问题转化为联合凸优化，并在高维情形下给出更优的理论保证。数值模拟与实际数据分析验证了方法的有效性。
于果于2013年获浙江大学数学与应用数学学士学位，2018年获美国康奈尔大学统计学博士学位，后在华盛顿大学进行博士后研究。现任加州大学圣巴巴拉分校助理教授、博士生导师，主要研究方向为高维数据分析与统计学习算法，在Biometrika、Journal of Machine Learning Research等权威期刊发表多篇论文。
讲座中，在场师生就高维统计推断的理论细节与实际应用与于果进行了交流。本次讲座为师生提供了了解学术前沿的机会，有助于促进学术交流与合作。
