3月20日，北京师范大学统计学院教授、博士生导师，统计学国际知名期刊JMVA副主编郭旭教授应邀来我校开展题为“Estimation and Inference for Density-convoluted Support Vector Machine with Streaming Data”的学术讲座，围绕高维流数据下密度卷积支持向量机的估计与推断问题展开深入分享。讲座由数据科学学院罗季教授主持。数据科学学院部分老师及研究生参加了本次讲座。

报告会上，郭旭教授聚焦高维流数据场景下支持向量机系数的估计与推断核心问题，针对合页损失非光滑性的技术难点，系统介绍了密度卷积技术的应用思路。郭教授首先提出了在线套索估计量的构建方法，通过优化替代损失函数，利用可再生二次型近似历史信息，让估计过程仅需新到达数据和有限历史信息即可实现在线更新，并推导了该估计量在温和条件下的理论误差界。为消除套索估计量的固有偏差，郭教授进一步提出在线去偏套索估计量，构建了有效的统计推断程序，证明了去偏估计量的渐近正态性。同时，郭教授还介绍了采用近端梯度下降算法实现高维模型下在线套索估计量的数值计算，该算法兼具计算效率与可行性，最后通过大量模拟研究和实际数据分析，验证了所提方法的有限样本表现。

讲座互动环节，师生们围绕在线学习的算法优化、流数据处理的实际应用局限等问题与郭教授展开热烈交流，郭教授逐一细致解答，为在场师生的后续研究提供了重要思路与方向。

此次郭旭教授的学术讲座，紧扣统计机器学习与高维流数据处理的前沿研究方向，内容兼具理论深度与实践价值，不仅让师生们接触到该领域的最新研究成果与方法，也为相关领域的学术研究与交流搭建了优质平台，对推动流数据、支持向量机与统计推断交叉领域的研究与人才培养具有重要的启发意义。