报告人：李本崇
报告地点：数学与统计学院415室
报告时间：2023年11月18日星期六08:30-09:30
邀请人：高巍
报告摘要：
To characterize the family of learnable classes in the setup of binary valued classification with the zero-one loss, Vladimir Vapnik and Alexey Chervonenkis coined the combinatorial measure called the Vapnik-Chervonenkis dimension (VC dimension) in 1970. In this talk, I will introduce the concept of VC dimension and show several examples as well as the fundamental theorem of statistical learning. Then I shall present our work in this field, we show that every concept class induced by a discrete Markov network has a labeled sample compression scheme of size equals to its VC dimension d, that is, we provide a partial positive answer to the Sample Compression Conjecture. Finally, I introduce some advances related to VC dimension.
主讲人简介：
李本崇，西安电子科技大学华山菁英副教授，硕士生导师。2001--2012年在东北师范大学读书，获概率论与数理统计方向博士学位。主要从事统计学习理论的研究，在统计学期刊 Pattern Recognition，Statistica Sinica，中国科学-数学等发表论文近20篇。曾主持国自然青年基金，陕西省青年基金，陕西省面上项目；现主持国自然面上项目。中国现场统计研究会大数据统计分会、数据科学与人工智能分会理事；全国工业统计学教学研究会、青年统计学家协会理事、数字经济与区块链技术分会理事（副秘书长）；中国人工智能学会不确定性人工智能专委会委员；陕西省工业与应用数学学会理事；陕西省统计学学会理事；美国数学会评论员。
