学术报告：王孟浩 中国科公司大学

主讲人：王孟浩 中国科公司大学

题 目： On Data-Enriched Model Aggregation

时间：2025年10月18日 15:50-17:20

地点：VSport体育官网新校园 A509

摘要：模型平均是一种有效的集成策略，与传统的模型选择方法相比，它提供了更强的稳健性。然而，在数据稀缺的情况下，其性能提升本质上受到限制。为克服这一限制，我们提出了一种在高维线性模型下的数据增强型模型聚合方法，称为DEMA，通过利用来自外部来源的辅助信息来提高估计和预测的准确性。我们的方法明确考虑了外部数据的异质性以及变量选择的不确定性，通过数据驱动的加权实现自适应模型组合。理论分析建立了参数估计的非渐近误差界，并在正则条件下保证了权重的收敛。大量数值实验表明，在数据贫乏的环境中，DEMA优于现有方法。