时 间：2025年10月21日 15：00 – 16：30
地 点：普陀校区理科大楼A1414室
报告人：汤家豪 伦敦政治经济学院教授
主持人：张心雨 华东师范大学副教授
摘 要：
Models with unnormalized probability density functions are ubiquitous in statistics, artificial intelligence and many other fields. However, they face significant challenges in model selection if the normalizing constants are intractable. Existing methods to address this issue often incur high computational costs, either due to numerical approximations of normalizing constants or evaluation of bias corrections in information criteria. In this talk, we start by introducing a new entropy that underpins the Fisher divergence. Then we propose a novel and fast selection criterion, T-GIC, for nested models, allowing the data to be sampled from a possibly unnormalized probability density function. T-GIC gives a consistent selection under mild regularity conditions and is computationally efficient, benefiting from a multiplying factor that depends only on the sample size and the model complexity. Extensive simulation studies and real-data applications demonstrate the efficacy of T-GIC in the selection of models with unnormalized probability density function.
报告人简介：
汤家豪教授是清华大学杰出访问教授，厦门大学邹至庄杰出访问教授，英国伦敦政经学院荣休教授。他是香港中文大学统计系创始人兼首任系主任、香港大学研究生院创院院长及香港大学副校长。他曾担任英国肯特大学数学与统计学院院长、英国伦敦政经学院统计系讲席教授及时间序列分析研究中心创始主任、香港大学统计与精算系讲座教授等之职。汤家豪教授是国际著名的统计学家，非线性时间序列分析的重要开拓者之一，门限时间序模型的提出者，在统计学领域取得了杰出的学术成就，获得英国皇家统计学会授予“佳氏银奖”，中国国家自然科学奖二等奖, 泛华统计协会杰岀成就奖,和香港大学杰出研究成就奖等；当选为挪威科学与文学院（数学分组）外藉院士、国际数理统计学会会士、国际统计学会会士及精算学会荣誉会士等，还曾担任中国科学院数学与系统科学研究院名誉教授、新加坡国立大学Saw Swee Hock讲席教授、电子科技大学特聘讲席教授等。从2001年起，多年受邀为瑞典皇家科学院诺贝尔经济学奖提名委员会成员。他曾担任香港统计学会会长、伯努利协会欧洲区理事长、泛华统计学会评委会委员、英国皇家统计协会荣誉委员会委员等，JRSSB、Biometrika、Statistica Sinica等期刊副主编或编委，以及一些图书系列的主编、编委等。