2017年全国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:
    11726024
  • 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:
    2017
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2017-05-10 至2017-12-31

项目摘要

Based on the academic platform of School of Mathematics and Statistics and Institute of Big Data of Yunnan University, this project will hold 2017 graduate summer school which is supported by Mathematics Tianyuan Fund of NSFC. Focused on the basic theory, method and hotspot problems in statistics, this summer school will train two core courses including Bayesian statistics and multivariate statistical analysis, and five special lectures including machine learning and recommender systems, statistical basis of big data, genetical statistics, post-model selection inference and large dimensional random matrix. By making full use of the high quality educational resources in the international statistical society, these courses will help the trainers to understand and grasp the basic theories,methods of modern statistics and the latest achievements in the era of big data, to build an academic exchange and cooperation platform between trainers and internationally renowned statistical experts, to enhance trainers’ ability of scientific research innovation, to promote academic communications among different regions and different training institutes, and eventually reach the purpose of promoting the further development of statistics in China.
本项目以云南大学数学与统计学院、云南大学大数据研究院为依托平台,承办2017年国家自然科学基金委数学天元基金项目:2017年全国统计学研究生暑期学校。本次暑期学校将围绕着统计学基础理论、方法和前沿热点问题,开设贝叶斯统计和多元统计分析两门核心课程,以及机器学习与推荐系统、大数据统计计算基础、遗传统计、后模型选择推断和大维随机矩阵等五门专题系列讲座。本次暑期学校将充分利用当前国际统计学界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现代统计学的基本理论、方法和最新成果;为学员与国际一流专家之间搭建一个学术交流与合作的平台,以提升培训学员的科研创新能力;促进不同区域、不同培养单位之间的学术交流,提高研究生教育的培养质量;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

变窗宽局部线性回归中的M-估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    云南大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    蒋学军;唐年胜;夏天
  • 通讯作者:
    夏天
非线性再生散度随机效应模型的渐近性质
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    数学物理学报A辑
  • 影响因子:
    --
  • 作者:
    唐年胜;夏天;王学仁;张文专
  • 通讯作者:
    张文专
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
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
Regression analysis of interval-censored failure time data with time-dependent covariates
具有时间依赖性协变量的区间删失故障时间数据的回归分析
  • DOI:
    10.1016/j.csda.2019.106848
  • 发表时间:
    2020
  • 期刊:
    Computational Statistics and Data Analysis
  • 影响因子:
    1.8
  • 作者:
    易凤婷;唐年胜;孙建国
  • 通讯作者:
    孙建国

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
2018年统计学研究生暑期学校
  • 批准号:
    11826027
  • 批准年份:
    2018
  • 资助金额:
    60.0 万元
  • 项目类别:
    数学天元基金项目
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
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
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