北京大学:主流文化与文化之争

浙江大学控制科学与工程学院邀请MengChuZhou教授作了一场题为“BigDataResearchandApplications(大数据研究和应用)”的讲座，控制科学与工程学院现有工业控制研究所、自

上海财经大学国际工商管理学院邀请亚洲发展银行首席经济学家魏尚进教授作了题为《2016年亚洲经济展望》的专题报告。国际工商管理学院共有六个博士点、六个硕士点(产业经济、企业管理、市场营销、国际贸易、世界

中国矿业大学李雷达教授作了一场题为“由稀疏表示的图像清晰度评价”的讲座，中国矿业大学有采矿工程、矿物加工工程、安全工程、地质工程、电气工程与自动化、土木工程、工程力学、环境工程、机械工程及自动化、测绘

西南大学外国语学院文旭教授作了一场题为“语用学-哲学、文化与认知视野”的在职研究生学术报告，西南大学有哲学在职研究生、应用经济学、政治学、社会学、马克思主义理论、教育学、心理学、中国语言文学、外国语言

中央财经大学池义春老师作了一场题为“Aconstructiveapproachtooptimalreinsuranceproblems(一个建设性的方法去最优再保险问题)”的讲座，池义春主要研究领域为

我是研究宏观经济跟宏观政策管理的，从PPP角度研究，其实还可以回答为什么公共服务变成稀缺品。我们的社会需要两种物品，一种是私人的，一种是公共的，大家都担心消费者消费不利，中小企业，民企被挤出，什么道理

中国人民大学何超教授在中国人民大学财政金融学院作了题为常委贷款工具和公开市场操的讲座，讲座的主要内容是：我们研究了三种不同的货币政策执行方案的影响：包干税(LST)，站在借贷工具(SLF)，以及公开市

中国传媒大学张韬政老师走进立德楼(原一教)501教室，这是她获奖后第一次授课，为14级网络工程本科专业讲授《物联网技术与应用》课程。她梳着马尾，净白圆润的脸庞不施粉黛，穿着休闲款的西装外套，语速较快，

上海财经大学统计与管理学院张岭松教授作了一场题为“Distance-weightedSupportVectorMachine(距离加权支持向量机)”的讲座，统计与管理学院主要的学科专业是统计学，包括经济管理统计、金融统计、统计理论与方法、数量金融与风险管理等多个学科方向。上海财经大学统计学科是一个历史悠久、成绩斐然的学科。讲座的主要内容是：这既拥有支持向量机(SVM)和距离加权歧视(DWD)的优点的新型线性分类方法在这篇文章中提出。所提出的距离加权支持向量机的方法可以被看作是支持向量机的混合和DWD即通过最小化主要DWD损失发现分类方向，并确定在SVM方式截距项。我们证明了我们的方法inheresDWD的优点，因此，克服了SVM的数据打桩及过拟合问题。另一方面，新的方法是不受不平衡数据问题，它是在DWDSVM的一个主要优点。它使用一个不寻常的损失相结合的枢纽损失(SVM)，并通过腋窝超平面的招DWD损失。几个理论性能，包括费舍尔的一致性和DWSVM解决方案的渐近正态发展。我们使用一些模拟的例子表明，新方法可以同时分类性能和可解释性竞争DWD和SVM。一个真正的数据应用进一步确立了我们方法的有效性。原文：AnovellinearclassificationmethodthatpossessesthemeritsofboththeSupportVectorMachine(SVM)andtheDistance-weightedDiscrimination(DWD)isproposedinthisarticle.TheproposedDistance-weightedSupportVectorMachinemethodcanbeviewedasahybridofSVMandDWDthatfindstheclassificationdirectionbyminimizingmainlytheDWDloss,anddeterminestheintercepttermintheSVMmanner.WeshowthatourmethodinheresthemeritofDWD,andhence,overcomesthedata-pilingandoverfittingissueofSVM.Ontheotherhand,thenewmethodisnotsubjecttoimbalanceddataissuewhichwasamainadvantageofSVMoverDWD.ItusesanunusuallosswhichcombinestheHingeloss(ofSVM)andtheDWDlossthroughatrickofaxillaryhyperplane.Severaltheoreticalproperties,includingFisherconsistencyandasymptoticnormalityoftheDWSVMsolutionaredeveloped.WeusesomesimulatedexamplestoshowthatthenewmethodcancompeteDWDandSVMonbothclassificationperformanceandinterpretability.Arealdataapplicationfurtherestablishestheusefulnessofourapproach.