我校学者论文被统计学顶刊《Annals of Statistics》接收

统计与数据科学学院  报道

近日，我校统计与数据科学学院尹燕青教授、李慧琴副教授团队与新加坡南洋理工大学潘光明教授合作完成的论文《Spectral Asymptotics of Neural Network Jacobians: Convergence, Universality, and Phase Transition》被国际统计学顶级期刊《Annals of Statistics》正式接收。论文作者采用国际惯例按姓氏字母顺序排序，尹燕青教授为论文通讯作者。

人工神经网络是现代机器学习和人工智能的基石。理解深度神经网络中信号和梯度如何传播，是解释网络稳定性、初始化机制和训练行为的重要理论问题。该论文聚焦随机初始化神经网络的输入-输出Jacobian矩阵，系统研究其Gram矩阵的谱渐近性质，建立了大宽度框架下Jacobian谱分布的收敛理论和线性谱统计量的中心极限定理。该研究将随机矩阵理论与现代机器学习模型中的神经网络Jacobian分析相结合，提供了理解高维神经网络初始化稳定性和谱波动机制的新理论框架，也为后续研究更复杂网络结构中的谱统计规律奠定了基础。

近年来，统计与数据科学学院持续推进高维统计分析及机器学习理论相关研究。《Annals of Statistics》由国际数理统计学会（IMS）主办，是统计学领域公认最具影响力的顶尖刊物之一，长期聚焦数理统计、统计学习理论等基础性与前沿性方向。