张慧铭 - 北京航空航天大学

个人简介

张慧铭，北京航空航天大学人工智能研究院的副教授(准聘)。北京大学获得统计学博士(2016-2020)；澳门大学濠江学者博士后研究员(2020-2022)。研究方向：非渐近推断、高维概率统计、稳健估计、机器学习与深度学习理论、函数型数据、无穷可分分布等。发表SCI论文21篇(包括机器学习与人工智能领域顶刊JMLR;统计顶刊JASA,Biometrika;精算顶刊IME; 统计、数学、与物理主流刊Statistica Sinica, Journal of Complexity,和Physica Scripta等；谷歌学术引用超450次，见scholar.google.com/citations?user=P6Xdk6AAAAAJ)，其中两篇为Web of Science高被引论文。曾获博\硕士研究生国家奖学金两次、北大校长奖学金、2015年度中国平安励志计划保险学术论文奖(唯一一个获得特别学术奖)等。第一作者的译著《初等概率论:随机过程与金融数学导论(第4版)》(钟开莱原著)即将在世界图书出版社出版。主持国自科青基一项；担任美国《数学评论》评论员，SCI期刊Mathematics(Q1,中科院三区, IF=2.592)的"高维与非渐近统计专栏"客座主编(见mdpi.com/si/120128)；担任过统计、概率与机器学习顶刊（AOS,AOAP,JASA,JMLR,IEEET-SP）的审稿人。Erdos数=4，数学谱系计划www.mathgenealogy.org/id.php?id=265245 。主要学术贡献：I. 部分解决伪离散无穷可分分布的刻画 (发表于IME), 被著名概率学者K. Sato教授在数学顶刊Tran AMS的论文正面引用。II. 与陈松蹊院士合作的集中不等式综述“Concentration Inequalities for Statistical Inference. Communications in Mathematical Research, 2021, 37(1):1-85.”在非渐近统计推断\小样本学习领域受到同行关注。III. 在数据（输入和输出变量）的方差不存在情况下，首次给出了一般回归模型（机器学习ERM问题）参数的对数截断稳健估计及其Excess Risk的非渐近理论 (发表于JMLR)。应用包括：稳健广义线性模型, 稳健分位数回归、以及稳健稀疏深度神经网络回归等。

研究领域

机器与深度学习统计推断应用概率精算数学

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

Xu, L., Yao, F., Yao, Q., Zhang, H.*(2023). Non-Asymptotic Guarantees for Robust Statistical Learning under Infinite Variance Assumption. Journal of Machine Learning Research, 24(92):1-46. Zhou, H., Yao, F.*, Zhang, H. (2022). Functional Linear Regression for Discretely Observed Data: From Ideal to Reality. Biometrika. https://doi.org/10.1093/biomet/asac053 Zhang, H., Jia, J.* (2022). Elastic-net Regularized High-dimensional Negative Binomial Regression: Consistency and Weak Signals Detection. Statistica Sinica, 32(1), 181-207. （高被引论文） Zhang, H., Chen, S. X. *(2021). Concentration Inequalities for Statistical Inference. Communications in Mathematical Research,37(1),1-85. （邀请综述） Yu, J., Wang, H., Ai, M.*, Zhang H. (2022). Optimal Distributed Subsampling for Maximum Quasi-Likelihood Estimators with Massive Data. Journal of the American Statistical Association, 117(537),265-276. Ai, M., Yu, J., Zhang H., Wang, H.* (2021). Optimal Subsampling for Big Data Regressions. Statistica Sinica, 31(2), 749-772. （高被引论文） Zhang, H., Liu, Y., Li, B.* (2014). Notes on Discrete Compound Poisson Model with Applications to Risk Theory. Insurance: Mathematics and Economics, 59, 325-336.