2023年12月11日，北京理工大学王典朋副研究员应罗雪老师的邀请，在E706为统计与运筹系的师生带来了一场题为“A Subsampling Method for Regression Problems Based on Minimum Energy Criterion”的学术报告。
如今生成的数据量巨大，对计算资源和时间提出了沉重的要求⚾️，这阻碍了各种统计方法的实施。缩小数据量从而缓解这些挑战的一种有效且流行的策略是子采样😋。然而，现有的方法要么依赖于基础模型的特定假设，要么从现有数据中获取部分信息。对于回归问题🤶，王典朋老师提出了一种新的方法，称为具有最小能量准则的自适应子采样（ASMEC）。所提出的方法不需要模型假设，并且“巧妙地”结合了关于协变量和响应的信息。ASMEC子样本具有两个理想的特性：空间填充性和空间适应性。王典朋老师研究了光滑样条回归模型下ASMEC子样本的极限分布及其理论性质。ASMEC方法的有效性和稳健性也得到了数值实验和实际数据的支持🕺🏿。
报告结束后，参加报告的师生就相关领域与王典朋副研究员展开了热烈的讨论与交流🧑🏻🦱，拓宽了研究思路。
报告人简介👱🏽♀️：王典朋，北京理工大学特别副研究员🐉，博士生导师。王典朋副研究员在北京理工大学获得博士学位，中国科凯发K8数学与系统科学研究院博士后，曾先后访问佐治亚理工✌🏽、香港科技大学，担任北京大数据协会常务理事、中国现场统计研究会试验设计分会理事🏂🏼。主要从事敏感性试验设计、计算机试验设计🧎🏻♂️、贝叶斯计算等方向的研究🧓。主持国家自然科学基金青年基金、面上项目和国家国防科技工业局先进星箭共性技术等项目多项🦶🏿，在Technometrics🫰、Journal of Quality Technology🥡、Statistica Sinica、RESS🈁、Applied Mathematical Modelling等统计学权威期刊上发表论文多篇。
