年第期总第期
//
西南大学第六届含弘青年学者论坛数学与统计学院分论坛
//
报告一：空间点过程的半参数贝叶斯分析方法
时间：12月18日上午8：30-9：00
地点：25教学楼18楼学术报告厅
报告人：焦洁莹
报告人简介：
焦洁莹，康涅狄格大学统计专业博士候选人。
内容简介：
空间点数据是一类广泛存在于各个领域的数据类型。这类数据记录了一特定事件发生的空间位置，比如篮球比赛投篮的位置，地震发生的位置，以及树木在森林中的位置。对于这类数据而言，位置是随机的，而我们的目的是要刻画这些随机位置的规律，以及找到可能的影响因素。这在很多领域，例如运动学，生态学，和流行病学，都有着非常重大的意义。
空间点过程是一种专门用来刻画此类数据的模型。它通过在整个空间区域上定义“强度”来表示特定位置事件发生的可能性的高低。其中最常用的随机过程是泊松点过程。一些已知的对事件发生位置产生影响的因素可以用作广义线性模型中的自变量来估计泊松点过程。但是对于许多实际数据来说，存在未知的影响因素是很常见的。这种未知影响因素会造成线性模型中的截距项并非固定常数。对截距项进行分簇估计能够更好的刻画空间点过程。非参数贝叶斯方法在分簇问题上有着明显的优势。狄利克雷过程是常用的此类方法之一。它的一类特殊变型，加幂中餐馆过程，可以非常方便的被用在空间点过程中来估计分簇截距项。对于这一结合了加幂中餐馆过程和已知自变量的新的半参数模型，我们推导出其后验分布，建立了一套抽取后验分布样本的马尔科夫链蒙特卡洛算法，以及给出了相应的推理方法。该方法的有效性在模拟数据中得到了验证。同时我们将这一方法应用在了一记录树木生长位置的森林数据中。
报告二：Noetherian形式概形上的完美复形范畴的厚子范畴
时间：12月18日上午9：00-9：30
地点：25教学楼14楼学术报告厅
报告人：鲁澧
报告人简介：
鲁澧，北京大学数学系本科毕业,莫斯科大学数学力学系博士在读,基础数学代数几何与代数数论方向。
内容简介：
导出范畴的子范畴分类问题是当前很活跃的研究课题，受到了很多专家学者的
联系电话：