2018年统计学研究生暑期学校

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11826027
  • 项目类别:
    数学天元基金项目
  • 资助金额:
    60.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0403.贝叶斯统计与统计应用
  • 结题年份:
    2018
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2018-07-01 至2018-12-31

项目摘要

Using School of Mathematics & Statistics and Institute of Big Data of Yunnan University as an academic platform, this project will hold 2018 national summer graduate school of statistics, which is supported by Tianyuan Foundation of NSFC. Focused on the basic theories and methods of high-dimensional data analysis and relevant frontier hot issues,this summer school will offer two core course including probability theory and its application in high-dimensional statistical inference and high-dimensional statistics and machine learning,and four special lectures including functional data analysis, high-dimensional data analysis, statistical network analysis, large-scale statistical inference. By making full use of the high quality educational resources in the international high-dimensional data analysis field, these courses will help the students to understand and master the basic theories, methods and latest results of high-dimensional data analysis in the era of big data, build a platform for xchanges and cooperation between students and the international first-class statistical experts, enhance students’ ability of scientific research innovation, promote academic communications among different regions and different training institutes, and finally achieve the purpose of promoting the further development of the domestic statistics.
本项目以云南大学数学与统计学院和大数据研究院为平台,承办数学天元2018年全国统计学研究生暑期学校。本次暑期学校将围绕着高维数据分析的基础理论、方法及相关的前沿热点问题展开培训,拟开设概率论及其在高维统计推断中的应用和高维统计与机器学习两门核心课程,以及函数型数据分析、高维数据分析、Statistical Network Analysis、大规模统计推断四门专题系列讲座。本次暑期学校将充分利用当前国际上高维数据分析领域中优质的产学研相结合的教育资源,帮助学员了解和掌握大数据时代下高维数据分析的基本理论、方法和最新成果;为学员与国际一流专家之间搭建一个交流与合作平台,提升科研创新能力;促进不同区域、不同培养单位之间的学术交流,提高研究生培养的质量;最终达到推动国内统计学科的进一步发展的目的。

结项摘要

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Estimation and variable selection in generalized partially nonlinear models with nonignorable missing responses
具有不可忽略的缺失响应的广义部分非线性模型中的估计和变量选择
  • DOI:
    10.4310/sii.2018.v11.n1.a1
  • 发表时间:
    2018
  • 期刊:
    Statistics and Its Interface
  • 影响因子:
    0.8
  • 作者:
    唐年胜;唐琳
  • 通讯作者:
    唐琳
Bayesian Analysis for Mixture of Latent Variable Hidden Markov Models with Multivariate Longitudinal data
潜变量隐马尔可夫模型与多元纵向数据混合的贝叶斯分析
  • DOI:
    10.1016/j.csda.2018.08.004
  • 发表时间:
    --
  • 期刊:
    Computational Statistics and Data Analysis
  • 影响因子:
    1.8
  • 作者:
    夏业茂;唐年胜
  • 通讯作者:
    唐年胜
Consistency and asymptotic normality of profile-kernel and backfitting estimators in semiparametric reproductive dispersion nonlinear models
半参数再生色散非线性模型中轮廓核和后拟合估计器的一致性和渐近正态性
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Science in China Series A: Mathematics
  • 影响因子:
    --
  • 作者:
    唐年胜;陈雪东;王学仁
  • 通讯作者:
    王学仁
含不可忽略缺失数据非线性再生散度模型参数的Bayes估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物数学学报
  • 影响因子:
    --
  • 作者:
    和燕;彭燕梅;唐年胜
  • 通讯作者:
    唐年胜
A nonparametric Bayesian continual reassessment method in single-agent dose-finding studies
单药剂量探索研究中的非参数贝叶斯连续重新评估方法
  • DOI:
    10.1186/s12874-018-0604-9
  • 发表时间:
    2018
  • 期刊:
    BMC MEDICAL RESEARCH METHODOLOGY
  • 影响因子:
    --
  • 作者:
    唐年胜;王松剑;叶根
  • 通讯作者:
    叶根

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

唐年胜的其他基金

分布式张量回归的变分推断
  • 批准号:
    12271472
  • 批准年份:
    2022
  • 资助金额:
    46 万元
  • 项目类别:
    面上项目
高维缺失数据半监督支持向量机研究
  • 批准号:
    12126362
  • 批准年份:
    2021
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
国际贝叶斯分析学会2020年世界大会
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    20 万元
  • 项目类别:
数学学科2021-2035年中长期发展规划及“十四五”发展规划战略研究
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    10 万元
  • 项目类别:
    专项基金项目
2017年全国统计学研究生暑期学校
  • 批准号:
    11726024
  • 批准年份:
    2017
  • 资助金额:
    60.0 万元
  • 项目类别:
    数学天元基金项目
超高维数据统计推断
  • 批准号:
    11731011
  • 批准年份:
    2017
  • 资助金额:
    250.0 万元
  • 项目类别:
    重点项目
删失数据超高维共线性模型的变量选择
  • 批准号:
    11726615
  • 批准年份:
    2017
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
不可忽略缺失数据模型的统计推断方法研究
  • 批准号:
    11671349
  • 批准年份:
    2016
  • 资助金额:
    50.0 万元
  • 项目类别:
    面上项目
2016年统计学研究生暑期学校
  • 批准号:
    11626020
  • 批准年份:
    2016
  • 资助金额:
    68.0 万元
  • 项目类别:
    数学天元基金项目
2015年西部地区统计学青年教师暑期培训
  • 批准号:
    11526027
  • 批准年份:
    2015
  • 资助金额:
    75.0 万元
  • 项目类别:
    数学天元基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码