6月17日下午，中国科学院数学与系统科学研究院张新雨研究员应邀到我院开展学术交流活动，并带来主题为“Trans-MA: Sufficiency-principled Transfer Learning via Model Averaging”的专题报告。本次报告由赵俊龙教授主持。

在报告中，张新雨研究员系统介绍了一种基于充分性原则的创新性迁移学习框架，并重点阐述了在该框架下提出的模型平均算法（Trans-MA）。该算法通过有效整合辅助数据集信息，不仅适用于个体相似性机制，还能处理组合相似性机制，同时具备隐私保护功能。张新雨研究员还从理论层面深入分析了Trans-MA方法的三大特性：渐近最优性、估计器收敛性和渐近正态性。这一前沿研究成果为在场师生提供了全新的研究视角，也为迁移学习领域的发展提供了可推广的理论范式。报告过程中，与会师生积极提问互动，现场学术氛围热烈。

附：张新雨，中科院数学与系统科学研究院研究员, 中国科学技术大学管理学院博士生导师。主要从事统计和计量经济学的理论和应用研究工作，具体研究方向包括模型平均方法及其在管理决策、经济预测、机器学习和生物医学等领域的交叉研究。担任期刊SCI期刊《JSSC》领域主编以及《系统科学与数学》等多个期刊的编委，曾获中国青年科技奖和中科院优秀导师等荣誉，先后主持国家自然科学基金杰出青年基金及其延续项目。