사단법인 한국통계학회

본문 바로가기
사이트 내 전체검색

학술대회SEMINAR

학술대회안내

HOME > 학술대회 SEMINAR > 학술대회안내

2018년 추계학술논문발표회 및 정기총회 안내

페이지 정보

작성자 관리자 작성일18-08-29 11:05 조회46회

첨부파일

본문

2018년도 추계학술논문발표회 및 정기총회가 다음과 같이 이화여자대학교에서 11월 2일(금)∼3일(토) 양일간 개최됩니다. 논문발표, 학회장초청강연, 특별초청강연, Tutorial 및 리셉션 등 다양한 프로그램으로 진행될 예정이오니, 회원여러분들께서는 다음 사항을 참고하시어 학술논문발표회가 성공리에 개최될 수 있도록 많은 관심과 참여를 부탁드립니다.

                                                            - 다 음 -             
■ 일시 : 2018년 11월 2일(금)∼3일(토)
■ 장소 : 이화여자대학교
■ 주최 : 한국통계학회
■ 주관 : 이화여자대학교 통계학과, 이화여자대학교 이화통계연구소, 이화여자대학교 통계학과 BK사업팀
■ 일정 : 다음 일정은 변경될 수 있습니다.

■ 논문접수
 [접수방법] 학회 홈페이지(http://www.kss.or.kr)에서 온라인 접수(우편, Email 접수 불가)
■ 사전등록 안내
  학술논문발표회의 원활한 진행을 위하여 아래와 같이 사전등록을 받고자 합니다. 회원과 비회원의 참가비가 차등 부과되고 당해 연도 회비가 완납되어야 회원가로 적용되오니, 이점 착오 없으시기 바랍니다.
[등록일] 2018년 8월 31일(금) - 10월 15일(월)
[등록방법] 학회 홈페이지(http://www.kss.or.kr)에서 온라인 접수
[납부방법] 계좌송금(한국씨티은행, 186-00189-257, 예금주: 한국통계학회, 반드시 본인이름으로 송금) 신용카드 결제(학술논문발표회 웹페이지 상에서 가능)
※ 당일등록은 현금결제만 가능하오니, 카드결제는 꼭 사전등록기간을 이용하시기 바랍니다.
※ 사전등록 취소 신청시 10월 22일(월)까지는 100%, 10월 29일(월)까지는 50%를 환불하며 이후에는 취소 신청을 하더라도 환불이 불가능합니다.
※ 리셉션은 사전등록 시 신청자에 한하여 입장되며(단, 비회원 학생의 경우 등록불가) 당일 등록하는 분들은 입장이 불허될 수 있습니다. 

■ 초청 강연 연사 소개
∙David Banks 교수(특별초청강연1)
1984년 Virginia Tech에서 박사를 받은 후 UC Berkeley와 Cambridge 대학에서 Postdoc과 Visiting Assistant Professor로 거친 후 Carnegie Mellon 대학교의 교수를 재직하던 중 National Institute of Standards and Technology, US department of transportation, FDA등 정부기관의 요직을 역임한 후  2003년 Duke 대학으로  복귀하여 2018년 1월부터  SAMSI (Statistical and Applied Mathematical Sciences Institute) Director로 재직하고 있다. IMS와 ASA fellow이며 JASA Application and Case Studies 편집장을 역임했고, Statistics and Public Policy 저널을 창간을 주도하며 편집장을 역임하였으며 최근 ASA founder's award를 수상하였다. 주요 연구 분야는 adversarial risk analysis, dynamic network, forensics, high dimensional data analysis이며 4편의 저서와  75편의 논문을 발표하였으며 저서 Adversarial Risk Analysis로  2017년 International Society for  Bayesian Analysis에서 수여하는 DeGroot Prize를 수상하였다. 

Political Blogs---A Dynamic Text Network
 Many applications (the Internet, Wikipedia) concern networks of documents.  We mine the corpus that consists of all U.S. political blog posts in 2012.  We use recent advances in dynamic network modeling to improve the topic discovery, and recent research on text mining to improve the network modeling.  We describe a preliminary analysis based on the subset of blog posts that concern the shooting of Trayvon Martin, and then a full analysis of the entire corpus, at a coarser level of resolution.  One particular result is a novel model for community discovery, which identifies groups of bloggers who communicate with each other with greater than background frequency.

 

∙Song Xi Chen 교수(특별초청강연2)
1993년 Australian National University에서 박사학위를 받고 National University of Singapore와 Iowa State University에서 교수로 재직하였으며 현재 Peking University에서 University Chair Professor in Statistics and Econometrics로 재직 중이다. 주요 연구 분야는 air quality assessment, high dimensional statistical inference, econometrical analysis이며 Annals of Statistics, Biometrika, JRSS B, JASA, Journal of Econometrics 등에 80편이상의 논문을 발표하였으며 IMS, ASA fellow로 선출되었다. 현재 Annals of Statistics와 Journal of Business and Economics Statistics 편집위원으로 활동하고 있으며 Statistics and Its Interface의 공동편집장을 역임하였다.

Two-Sample and ANOVA Tests for High Dimensional Means
 This paper considers testing the equality of two high dimensional means. Two approaches are utilized to formulate L2-type tests for better power performance when the two high dimensional mean vectors differ only in sparsely populated coordinates and the differences are faint. One is to conduct thresholding to remove the non-signal bearing dimensions for variance reduction of the test statistics. The other is to transform the data via the precision matrix for signal enhancement. It is shown that the thresholding and data transformation lead to attractive detection boundaries for the tests. Furthermore, we demonstrate explicitly the effects of precision matrix estimation on the detection boundary for the test with thresholding and data transformation. Extension to multi-sample ANOVA tests is also investigated. Numerical studies are performed to confirm the theoretical findings and demonstrate the practical implementations.

■ Tutorial 연사 소개
∙Myunghee Cho Paik 교수
서울대 식품영양학과에서 학사학위를 받은 후 1987년에 피츠버그 대학에서 biostatistics으로 박사학위를 받았으며 이후 미 컬럼비아대 보건대학원  biostatistics 학과에서 조교수, 부교수, 정교수를 거쳐서 재직하였으며 2012년에 서울대학교 통계학과에 부임하였다. 컬럼비아 대학에서 Calderone Prize를 수상하였으며 저서로는 Statistical Methods and Proportions가 있다. Communications for Statistical Applications and Methods 공동편집장을 역임하였으며 현재 Statistica Sinca의 편집위원이다. 주요연구분야는 missing data, estimating equation approach이며 최근 딥러닝에 관하여 활발한 연구를 진행하고 있다.

Deep Learning: A Statistical Perspective
 Deep learning is a branch of machine learning and is characterized by the compositional nature of its learning models.  Advances in deep learning have influenced many areas-for example, computer vision and natural language processing to name a few.  This tutorial covers some methods from supervised learning,  unsupervised learning, and reinforcement learning.  Topics will include convolutional neural networks and visualization, recurrent neural networks and long-short-term memory, auto-encoders, generative adversarial networks, the Wasserstein distance, and multi-arm bandits. We also present topics for further research from a statistical perspective.