10月30日下午，华东师范大学於州教授和上海交通大学王涛教授应邀在上川路校区第一教学楼218会议室分别作了题为“Random Forests and Deep Neural Networks for Euclidean and Non-Euclidean regression”和“Probabilistic exponential family inverse regression and its applications”的报告。本次活动由院长石磊主持，副院长郝瑞丽及学院青年教师参加。

於州是华东师范大学教授、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, JASA, JRSSB, Journal of Machine Learning Research, IEEE Information Theory等知名统计及机器学习期刊上发表论文50余篇。曾主持国家重点研发计划课题、自然科学基金青年、面上项目，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，国家青年人才等计划。

於教授从决策树和随机森林的案例出发，首先详细介绍了随机森林和深度神经网络在处理回归问题时的优势和局限性，并展示了如何将两者结合以克服单一方法的不足。他强调了随机森林在捕捉局部数据结构方面的优势，以及深度神经网络在处理复杂模式和非线性关系时的强大能力。於州教授还讨论了如何通过优化算法和网络结构来提高模型的泛化能力，并通过理论分析和实证研究验证了所提方法的有效性。

王涛是上海交通大学教授、博士生导师，交大-耶鲁生物统计与数据科学联合中心研究员。他曾在美国耶鲁大学生物统计系进行博士后研究，主要研究领域为生物医学大数据的统计共性算法和理论，获得国家自然科学基金优秀青年科学基金项目资助，并受邀担任PLOS Computational Biology等权威期刊编委。他还积极参与了教育部生物科学“101”计划生物信息学核心课程的建设和核心教材的编写工作。

王教授首先介绍了传统的降维方法在处理离散数据时存在的局限性，并提出了PrEFIR作为一种新的解决方案，展示了如何通过双指数族模型来处理离散度问题。他进一步介绍了最大层次似然估计方法，并演示了如何利用并行化算法来提高计算效率。通过一系列的模拟实验和真实数据案例分析，证明了PrEFIR在高维数据分析中的应用潜力和实际效果。

报告结束后，参会教师与两位教授展开了热烈的交流互动，就报告内容进行了深入讨论。本次报告会拓宽了参会教师的学术视野，有助于增进交流合作。

（图文：邱梦凡）