ntry-header

2022年9月26日,中佛罗里达大学谢睿助理教授通过线上平台与我中心教员交流,并进行线上学术报告,报告的题目是Optimal Sampling Designs for Online Estimation of Streaming Multi-dimensional Time Series

#post-12354
ntry-header

近日,清华大学统计学研究中心邓柯副教授课题组在信号处理领域的顶级期刊IEEE Transactions on Signal Processing发表了题为”Simultaneous Topology and Loss Tomography via a Modified Theme Dictionary Model“的论文。通过对网络透视过程建立统计学模型,实现对目标网络的拓扑结构和丢包率的同时估计,并取得更准确、稳健的估计结果。课题组博士后研究员李艺超为第一作者,邓柯副教授为通讯作者。

现代社会中,我们的生活与网络息息相关。一些网络特征,例如网络拓扑结构,网络丢包率对我们研究网络行为非常重要。然而,出于安全、商业等原因的考虑,我们无法直接测量这些网络特征。为了克服这些困难,Vardi, Y. (1996)提出了网络透视技术(network tomography)。网络透视技术是一种兼具网络测试与网络预警的技术,其旨在通过发送特定的数据包(探测包)到特定网络,利用端对端的方法将所得到的信息进行统计、综合分析从而进一步推断网络内部特征。

基于此,研究团队提出用统计学方法对网络透视过程建模,该项工作的主要贡献是:(1)本文将网络丢包行为与统计学中的经典问题“购物篮分析”建立了对应关系:网络中的丢包行为可以和购物篮分析中的模式识别形成一一对应;(2)进一步,根据上述对应关系,本文利用主题辞典模型对网络丢包行为进行建模,并给出了利用EM算法对模型参数进行估计的具体过程;(3)在计算上,本文利用序贯蒙特卡洛(sequential Monte Carlo)技术对EM算法中的E步进行了优化。

相对于传统的聚类方法,本文所提出的方法实现了对网络拓扑结构和各个节点上的丢包率进行同时估计;此外,在一些复杂网络中,本文所提出的方法展现出更准确、更稳健的估计结果。

该研究工作获得中国国家自然科学基金(Grant 11931001),国家留学基金委以及清华大学国强研究院的支持。

相关文献:

Vardi, Y. (1996). “Network Tomography: estimating source-destination traffic intensities from link data”. Journal of the American Statistical Association. 91 (433): 365–377. doi:10.2307/2291416. JSTOR 2291416。

 

 

#post-12353
ntry-header

近日,由北京应用统计学会和北京大数据协会主办,首都师范大学承办的北京应用统计学会2022年学术研讨会(以下简称“研讨会”)于 2022 年 9 月 24 日在北京紫玉饭店圆满举行。清华统计学科多名师生出席研讨会,并在青年学者报告环节与兄弟高校的统计学者分享科研进展。

与会学者合影(图源:北京应用统计学会)
经过研讨会评委现场评选,共评选出”优秀论文奖”、”优秀应用成果奖”、“优秀报告奖” 、“优秀Poster奖”四个奖项。清华大学统计学研究中心18级博士研究生朱珂、19级博士研究生陶宇心荣获本届“北京应用统计学会学术研讨会优秀论文奖”,21级博士研究生张皓博荣获本届“北京应用统计学会学术研讨会优秀报告奖”。

“北京应用统计学会学术研讨会优秀论文奖”颁奖现场 (左三:陶宇心,右一:朱珂)(图源:北京应用统计学会)
“北京应用统计学会学术研讨会优秀报告奖”颁奖现场
(右一:张皓博)(图源:北京应用统计学会)
#post-12352
ntry-header

2022年9月21日,华威大学于怡博士通过线上平台与我中心教员交流,并进行线上学术报告,报告的题目是On Robustness and Local Differential Privacy。

#post-12350
ntry-header

2022年8月31日至9月5日,“中国国际服务贸易交易会”(简称“服贸会”)在京隆重召开。作为“服贸会”配套的高端论坛活动之一,由中华人民共和国海关总署主办的“技术贸易措施助力经济高质量发展和国门生物安全建设高峰论坛”于9月4日在国家会议中心成功举办。论坛围绕“技术贸易措施”主题,从“新形势下技术贸易措施的独特内涵与特征”、“技术贸易措施工作助力经济高质量发展”、“国门生物安全与技术贸易措施对我国治理体系建设的重大影响”三个主题展开研讨。海关总署和北京市相关领导、多国驻华使节和相关领域的专家学者一百余人出席了高峰论坛。

论坛现场

全国人大农业与农村委员会委员、原国家质检总局副局长张沁荣,中国进出口生物安全研究会会长、中纪委原副部级巡视员王炜,中国工程院陈君石院士、陈薇院士、沈建忠院士,中国科学院陈松蹊院士和清华大学统计学研究中心邓柯副教授等专家学者受邀在论坛上做了主题发言。

部分嘉宾做主题发言

陈松蹊院士发表题为“运用统计学强化技术贸易措施研究,助力经济高质量发展”的主题演讲。陈院士在发言中指出:随着全球关税水平逐年稳步下降,以技术贸易措施为代表的非关税贸易壁垒已经成为世界各国调整贸易利益的重要手段;运用前沿数据分析方法对技术贸易措施进行深入研究,能够有效保护我国的贸易利益,减少贸易损失,保障贸易安全,助力经济高质量发展,具有重大意义。陈院士还强调:在政务大数据处理中,以先进的统计学理念做好数据治理是基础,将前沿的数据科学技术灵活运用是关键。作为统计学家的代表,陈院士还呼吁并期待统计学在各行各业中会发挥越来越重要的作用,为经济高质量发展做出更多的贡献。

陈松蹊院士在演讲中

邓柯副教授发表题为“构建技术贸易措施综合指数体系,助力经济高质量发展”的主题演讲。在演讲中,邓柯副教授简要介绍了清华大学统计学团队与海关总署标准与法规中心专家团队在构建“技术贸易措施综合指数体系”方面的研究成果。相关研究综合运用统前沿计学方法和数据科学技术,将海量非结构化、非标准化的技术贸易措施通报转化为结构化、标准化的数据库,进而构建并测算“技术贸易措施开放指数”、“技术贸易措施全球动态图谱”、“全球技术贸易措施综合指数”、“技术贸易措施损害指数”等指数体系,从不同角度和维度分析并呈现全球技术贸易措施当前现状、发展动态和演化趋势,为政府决策提供重要技术支撑。

邓柯副教授在演讲中

陈松蹊院士和邓柯副教授的发言引起了与会各界的强烈关注,在服贸会上代表统计学科发出了强音。中央电视台新闻频道报道了相关活动,新闻报道链接如下。

#post-12349
ntry-header

近日,2022年中国国际服务贸易交易会(以下简称“服贸会”)在北京成功举办,作为本届服贸会亮点之一的“首届卫生健康与工业科技创新服务大会”同期于国家会议中心召开。该会议由工业和信息化部、国家卫生健康委员会和北京市人民政府共同发起主办,聚焦医药创新、成果转化、医工交叉,探讨新形势下医药工业与卫生健康产业融合创新发展,展示前沿技术与创新成果,搭建跨领域、大协作的创新服务平台。

本届卫生健康与工业科技创新服务大会特别设立了“医工成果转化与投融资论坛”专题版块,该版块聚焦“成果转化赋能产业发展”,聚集政府部门、医疗卫生机构、高校及科研院所、企业、投资机构等创新主体,解读政策监管创新,分享成功经验,拓宽投融资渠道,助推医工融合创新科技成果产业化落地。

清华大学统计学研究中心俞声副教授课题组和粤港澳大湾区数字经济研究院(IDEA)AI平台技术研究中心联合开发的大型开放生物医学知识图谱——“生物医学信息学本体系统”BIOS(Biomedical Informatics Ontology System)受邀于“医工成果转化与投融资论坛”亮相。BIOS自去年11月发布以来受到广泛关注,今年7月历经重大更新,实现通过借助算法挖掘收录了2800万概念、5500万中英文术语和1.1亿关系三元组,规模上达美国国立卫生院国家医学图书馆开发的“一体化医学语言系统”UMLS(Unified Medical Language System,简称“UMLS”)数倍,同时在术语的纯净度和覆盖度上相比UMLS呈现明显优势,跃升为全球最大开放生物医学知识图谱。

粤港澳大湾区数字经济研究院工程总监谢育涛代表研发团队进行“开放医学知识图谱助力医疗信息平台建设”的主题分享。统计中心俞声副教授作为研发团队代表现场出席论坛。BIOS不但在技术层面达到国际领先水平,更以全公开、全开放的态度助力国内医疗信息领域和AI医疗产业的发展。

#post-12347
ntry-header

2022年8月31日,伦敦政经学院史成春助理教授访问我中心,并做学术报告,报告的题目是强化学习中的统计推断。

史成春助理教授学术报告
报告线下会场
与会教员合影
#post-12346
ntry-header

近日,清华大学统计学研究中心刘汉中副教授课题组在国际知名统计学期刊Biometrika发表题为“Design-based theory for cluster rerandomization”的研究论文。清华大学统计学研究中心2020级博士研究生卢鑫是该文的第一作者,哈佛大学博士研究生刘天乐是第二作者,刘汉中副教授与加州大学伯克利分校的丁鹏副教授共同指导了相关研究与论文撰写。

群组随机化试验被广泛地应用在社会科学、公共卫生等领域。它可以避免群组内部试验个体之间的交互,是在个体水平的处理分配不可实施的情形下一种替代的试验设计方法。群组随机化试验在群组的水平分配处理,同一个群组内部的个体会分配到同一个处理。群组重随机化是在群组随机化试验中运用重随机化的试验设计方法,通过丢弃掉不平衡的分配方式来达到平衡协变量的目的。重随机化最常用的平衡性准则有马氏距离准则,加权欧氏距离准则和多层马氏距离准则。马氏距离准则把各个协变量看成是同等重要的。当存在协变量重要程度的先验信息时,加权欧氏距离准则和多层马氏距离准则是更常用的方法。

该论文首先研究了群组重随机化下平均因果效应估计的渐近理论,证明了重随机化可以提高平均因果效应的估计精度。其次该论文比较了不同群组重随机化平衡性准则的效率,即在相同接受概率下对估计量渐近方差的减小量,证明了当协变量进行正交化之后,最优的加权欧式距离准则优于多层马氏距离准测。论文最后讨论了群组重随机化下的协变量回归调整方法,证明了在重随机化下,Su & Ding (2021)提出的模型辅助的点估计和区间估计仍然适用。这一结果对于因果推断的实践具有重要指导意义。

论文链接:

https://doi.org/10.1093/biomet/asac045

#post-12345
ntry-header

2022年7月,清华大学统计学研究中心侯琳副教授课题组与生命科学学院张强锋副教授课题组合作在 Nature Communications 期刊上在线发表了题为“Differential analysis of RNA structure probing experiments at nucleotide resolution: uncovering regulatory functions of RNA structure ”的研究论文(https://www.nature.com/articles/s41467-022-31875-3)。该研究提出了一个兼容多种RNA结构探测数据的标准化及结构差异分析的计算框架。该方法可以在单碱基分辨率水平评估RNA结构差异区域,为探索RNA结构在不同生物学过程中发挥的作用提供强有力的支持。同时,该研究还开发了相应的软件包 DiffScan(https://github.com/yub18/DiffScan)供广大研究人员使用。清华大学统计学研究中心2018级博士研究生余博是该文章的第一作者,清华大学生命科学学院的博士毕业生李盼亦参与了该项研究。此外,该研究得到了国家自然科学基金和国家重点研发计划的支持。

RNA通过形成特定的结构发挥相应的功能,并且RNA结构在不同的细胞环境中往往存在差异。因此,通过对不同条件下的RNA结构组数据进行准确的结构差异区域分析,对于揭示RNA在不同生物学过程中的功能及作用机制至关重要。考虑到高通量的RNA结构探索技术产生的实验数据往往存在高维度、高噪音等特点,RNA结构的差异分析存在较大难度。在本研究中,研究团队提出针对高通量结构探测数据的标准化和差异分析计算框架DiffScan,该方法首先对结构探测数据进行标准化以移除系统性偏差,再运用扫描统计量在RNA结构组中识别结构差异区域。

DiffScan 的独特贡献在于:(1)其标准化模块能有效地移除实验间存在的系统性偏差,并充分保留结构差异信号;(2)其扫描统计量能够在单碱基分辨率水平自适应地识别结构差异区域的位置与长度;(3)该计算框架可以兼容包括icSHAPE、DMS-seq在内的多种高通量RNA结构探测技术产生的实验数据。

研究团队将DiffScan应用于不同亚细胞的RNA结构组数据中,通过结合相关的基序富集分析阐明了RNA结构变化与mRNA丰度之间的潜在联系可能是由包括serine/arginine rich splicing factors在内的特定RNA结合蛋白所介导的。因此,该研究也证明了DiffScan是破译RNA结构组数据的有效手段。

#post-12343
ntry-header

2022年7月,由清华大学统计学研究中心俞声课题组和粤港澳大湾区数字经济研究院(IDEA)AI平台技术研究中心联合开发的大型开放生物医学知识图谱——“生物医学信息学本体系统”BIOS(Biomedical Informatics Ontology System)迎来重大更新,跃升成为世界最大的开放生物医学知识图谱。(https://bios.idea.edu.cn

生物医学知识图谱是一种由生物医学概念、术语、关系以及ID系统等要素构成的特殊数据库,是生物医学信息学的重要基础设施。一直以来,由美国开发的“一体化医学语言系统”UMLS(Unified Medical Language System)是生物医学知识图谱的标杆,以455万概念、2095万关系的巨大规模和开放属性,为英文领域生物医药大数据分析、自然语言处理、人工智能开发和数据交换做出了卓越贡献。中文领域由于缺乏可开放获取的大型生物医学知识图谱,导致国内的医学大数据分析缺乏平台基础,科研与技术发展受到严重制约。同时,基于多数据库整合和专家整理的UMLS也日渐老化,其数据质量与发展速度已无法满足大数据与人工智能时代的需要。

基于算法驱动、开源开放理念,以CC BY-NC-ND 4.0协议发布的BIOS中英文知识图谱自2021年11月发布以来受到了广泛关注。BIOS是首个完全由机器学习算法生成的大型开放生物医学知识图谱,其术语发现、语义分析、概念生成、关系发现、跨语言对齐完全由模型自动实现。在本次更新中,研发团队根据真实数据效果,不断强化算法技术,终于取得了振奋人心的突破性进展,使新版BIOS(2022V2版)一举达到了2848万概念、5456万术语(3348万英文、2108万中文)的巨大体量,术语质量也得到进一步提升。

而为了满足如此体量概念的关系挖掘,研究团队创新地提出了由“基于文本的关系提取”到“基于大模型自有知识的关系生成”的模式转变,获得了1.12亿个关系三元组。目前BIOS只包含知识图谱的骨架“上下位关系”的预测,更丰富的关系将在下半年的更新中发布。

对比开发已有35年的UMLS,BIOS在短短一年半的时间里,使体量达到了UMLS的数倍,不仅扭转了中文领域缺乏大型开放生物医学知识图谱的困难局面,更充分证明了人工智能的巨大潜力。同时,通过BIOS系统的研发,统计学研究中心培养了一批具有数据科学方向理论创新与实战能力的优秀本科生与博士生。未来,统计学研究中心将与IDEA研究院以及更多国内外顶尖医院、科研机构合作,不断扩大和完善BIOS的内容、质量以及相关系统建设,带动并引领生物医学大数据与人工智能行业的发展。

#post-12342