报告人：张慧铭（澳门大学）

报告时间：11月19日20:00--21:00

地点：线上 （腾讯会议ID：788 542 468）

报告摘要: 本报告将探讨基于神经网络的GANs (Generative Adversarial Networks, Goodfellow et al.,2014; Arjovsky et al 2017)方法从复杂数据中估计密度函数的理论性质。主要介绍GANs估计量的Oracle不等式（有限样本性质）以及证明思路，特别地要讨论具有低维流行结构的高维数据GANs估计量的非参数收敛速度。报告中涉及的证明需要：经验过程、积分概率测度与Wasserstein距离等知识，参考的文献Liang (2018, arXiv:1712.08244), Biau, et al.(2020,AOS)和Huang et al.(2021, arXiv:2105.13010)。

报告人简介：张慧铭，澳门大学濠江学者博士后、珠海澳门大学科技研究院助理研究员。于华中师范大学获得学士（2009-2013）和硕士（2013-2016）学位；于北京大学获得统计学博士学位（2016-2020）。研究方向为高维统计、机器学习理论、函数型数据、经验过程与高维概率论等。已在Journal of the American Statistical Association，Insurance: Mathematics and Economics，Statistica Sinica，Journal of Complexity等国际学术权威期刊上发表论文近20篇，其中一篇为WOS高被引论文。曾获奖励有：国家奖学金（硕、博）、北大校长奖学金、BICMR北大数学研究生奖学金、湖北省优秀学士论文等。