编号 | 时间 | 类型 | 题目 | 讲者 | 单位 |
---|---|---|---|---|---|
1 | 08:30-08:50 | 贡献报告 |
Calibration for Computer Models with Time-Varying Parameter |
孙杨 | 北京大学 |
2 | 08:50-09:10 | 贡献报告 |
Large-Scale Metric Objects Filtering for Binary Classification |
何帅达 | 南方科技大学 |
3 | 09:10-09:30 | 贡献报告 |
Penalized Exponentially Tilted Likelihood for Growing Dimensional Models with MAR Missing Data |
沙小茗 | 云南大学 |
4 | 09:30-09:50 | 贡献报告 |
A Novel Integration Method for Single Cell Transcriptomics and Proteomics Data Based on Transformer 基于Transformer的单细胞转录组学与蛋白质组学数据新型整合方法 |
熊健康 | 中国科学院数学与系统科学研究院 |
5 | 09:50-10:10 | 贡献报告 |
Estimation of Spatial Weight Matrix in Spatial Error Autocorrelation Models with Non-zero Autocorrelation Random Perturbations 具有非零自协方差随机扰动的空间误差自相关模型中的空间权重矩阵的估计 |
满朝辉 | 宁夏大学 |
编号 | 时间 | 类型 | 题目 | 讲者 | 单位 |
---|---|---|---|---|---|
1 | 10:30-10:50 | 贡献报告 |
A New Model Free High-Dimensional Variable Selection Method 一种新的免模型高维变量选择方法 |
李长城 | 大连理工大学 |
2 | 10:50-11:10 | 贡献报告 |
Probabilistic Embedding, Clustering, and Alignment for Integrating Spatial Transcriptomics Data with PRECAST |
刘伟 | 四川大学 |
3 | 11:10-11:30 | 贡献报告 |
Local False Discovery Rate Estimation with Competition-Based Procedures for Variable Selection |
孙小雅 | 中国科学院数学与系统科学研究院 |
4 | 11:30-11:50 | 贡献报告 |
Placebo Tests for Difference-in-Differences |
陈强 | 山东大学 |
5 | 11:50-12:10 | 贡献报告 |
Tobit Models for Count Time Series |
朱复康 | 吉林大学 |
编号 | 时间 | 类型 | 题目 | 讲者 | 单位 |
---|---|---|---|---|---|
1 | 14:00-14:20 | 贡献报告 |
Construction and Application of Quantile Factor Augmented Quantile Regression Neural Network Model |
黄玉婷 | 兰州财经大学 |
2 | 14:20-14:40 | 贡献报告 |
Hypothesis Testing for the Deep Cox Model |
钟齐先 | 厦门大学 |
3 | 14:40-15:00 | 贡献报告 |
Testing Causal Effects in Observational Survival Data using Propensity Score Matching Design |
蔡定教 | 河南财经政法大学 |
4 | 15:00-15:20 | 贡献报告 |
Combining Dimensionality Reduction Methods with Neural Networks for Realized Volatility Forecasting |
何丽丹 | 南京信息工程大学 |
编号 | 时间 | 类型 | 题目 | 讲者 | 单位 |
---|---|---|---|---|---|
1 | 16:00-16:20 | 贡献报告 |
Bayesian Optimization with Pareto-Principled Training for Economical Hyperparameter Optimization |
杨洋 | 南开大学 |
2 | 16:20-16:40 | 贡献报告 |
A Unified EM Framework for Estimation and Inference of Normal Ogive Item Response Models |
孟祥斌 | 东北师范大学 |
3 | 16:40-17:00 | 贡献报告 |
A Spatial-Temporal Graph Neural Network Model for Multi-tite Temperature Forecasting |
Zhouping Li | Lanzhou University |
4 | 17:00-17:20 | 贡献报告 |
Enhancing Missing Data Imputation through Combined Bipartite Graph and Complete Directed Graph |
谌自奇 | 华东师范大学 |