基于神经网络的非线性充分降维（於州）

於州及其博士生陈胤峰、邱锐与武汉大学焦雨领副教授合作研究中，提出了基于神经网络的非线性充分降维方法，并成功应用于数据低维表示的估计。该方法通过借助广义鞅差散度刻画条件独立性，应用深度神经网络拟合非线性充分降维函数，并发展了有限阶U过程理论以深入探究估计量的非渐近收敛性质。与经典的算子特征分解相比，其提出的方法表现出更高的效率和灵活性。相关论文Deep Nonlinear Sufficient Dimension Reduction发表在统计学期刊《Annals of Statistics》