|
| 第67期出刊日：2026.10.01 |
2026 IMS-APRM 亞太地區會議與會分享 |
|
|
今年六月中，我到香港參加了第七屆國際數理統計學會亞太地區會議（Institute of Mathematical Statistics Asia Pacific Rim Meeting，簡稱 IMS-APRM）。這是亞太地區最重要的統計會議之一，本屆由香港中文大學主辦，於校內鄭裕彤樓舉行，邀請了來自世界各地的統計學者與會，議程涵蓋統計理論、方法、深度學習，以及在各領域的應用。
這次的大會演講（Plenary Lecture）有兩位講者：Stanford 的 Andrea Montanari 教授從統計的角度研究複雜的神經網路學習；另一位 Hans-Georg Müller 教授則是我在 UC Davis 求學時系上的老師，他在這場演講中介紹了 Fréchet 迴歸。Fréchet 迴歸的核心想法是靠「距離」來定義平均，將古典的 Fréchet 平均加以推廣；從這個簡單的想法出發，他一路延伸到 Fréchet 迴歸的完整架構，也談到與因果推論及深度學習相關的研究。Müller 教授深入淺出的介紹，聽完讓我對這個方向的後續發展很有啟發。
|
| |
 |
左圖：會議場地——香港中文大學鄭裕彤樓
右圖：IMS-APRM 2026 會場海報及兩位大會講者的介紹 |
|
會場裡也遇到不少博士班時期一起做研究的舊識，像現任教於新加坡國立大學的 Zhenhua Lin、廈門大學的 Qixian Zhong，這次都有發表，也很開心能在開會期間與他們分享研究與教學近況。
研究發表方面，這次我很榮幸受香港科技大學 Lucy Xia 教授邀請，在她籌辦的「Advances in High-dimensional Statistical Inference and Dynamic Modeling」場次發表近期的研究「Domain Selection for Functional Linear Models」，探討如何在函數型迴歸中找出真正與應變數相關的定義域區間。同場次還認識了幾位來自香港大學、香港城市大學與香港浸會大學的教授，題目從高維度投資組合最佳化、網路自迴歸模型到共變異數的變點檢定都有。研究主題雖然不同，但在高維度情境下如何兼顧估計的穩定性，是大家共同面對的核心問題，會後我們就這些方法的最新進展交換了不少想法。
這趟會議收穫很多，聽到許多國際學者分享領域的最新動向，也重新聯繫了不少國際上的師友，這些交流拓展了研究視野，也期待未來能發展成實際的國際合作。
|
| |
 |
| |
|
|
