7月7日下午，纽卡斯尔大学戴宏声教授应统计与数据科学学院邀请在线作题为“Scalable unification of distributed Bayesian analysis”的学术报告。报告由副院长刘小惠主持，六十余名师生线上聆听了本次报告。

　　报告围绕着“分布式贝叶斯分析的可伸缩统一”展开，戴教授从贝叶斯统计方法的基本原理引入，分别对贝叶斯计算统计学——蒙特卡罗方法、蒙特卡罗融合和贝叶斯融合三个方面对贝叶斯统计方法展开了详细的讲解，并结合自己及团队的研究进行分析。

​　　戴宏声教授指出，人们对解决将分布式贝叶斯分析统一为单一的一致性推理问题关注度较高，这种问题在大数据设置、隐私约束下工作以及贝叶斯模型选择中较为常见。然而现有大多数的方法都依赖于分布式贝叶斯分析的近似性，难以避免其缺陷，可能导致推理的质量下降和结果存在偏差。戴宏声教授及其团队提出了一种实用的贝叶斯融合方法，即将蒙特卡罗融合框架嵌入到序列蒙特卡罗算法中，相比之下，这种方法更为精确也更具稳健性。

　　在讨论互动环节，与会师生积极提问，就相关学术问题及现实问题与戴宏声教授开展积极互动，气氛非常活跃。戴宏声教授高屋建瓴、深入浅出的讲解，使在场师生受益匪浅。(图文/余源泽  编辑/曾药坤  审核/一审 姜莹  二审 赵旻  终审 李大晖)

　　【拓展阅读】

　　戴宏声，纽卡斯尔大学数学、统计与物理学院统计学教授。他于2008年在牛津大学获得博士学位。戴教授的研究方向包括计算统计学、统计学应用程序和跨不同领域的方法论开发，包括混合模型、生存和纵向模型以及人工智能。