“数字+”与统计数据工程系列讲座（第125讲）5月15日香港理工大学赵兴球教授讲座预告

讲座题目：Nonparametric Inference for Censored Data Using Deep Neural Networks

主讲人：赵兴球

讲座时间：2026年5月15日 16:30

讲座地点：综合楼644会议室

主讲人简介：

　　赵兴球，香港理工大学应用数学系副主任、教授，概率与统计学博士（武汉大学、McMaster大学）。研究领域包括统计机器学习、生存分析、高维数据分析、半参数与非参数方法。她在AOS、JRSSB、JASA、Biometrika等统计领域顶级期刊，以及机器学习顶刊JMLR和计算机顶会ICML上发表多篇研究论文；获得多项香港研究资助局基金及国家自然科学基金资助；2014年与合作者共同获得教育部高等学校科学研究优秀成果奖自然科学二等奖；她针对区间删失数据构建的广义对数秩检验已被享有盛誉的SAS软件系统于2010年收录。担任伯努利学会东亚及太平洋区域委员会（EAPRC）主席（2026-2028年）；曾任国际泛华统计协会(ICSA)董事会成员（2022-2024年）；Guest Editor of Lifetime Data Analysis Special Issue on Survival Analysis in Artificial Intelligence.

讲座摘要：

　　We propose a novel deep learning approach to nonparametric statistical inference for the conditional hazard function of survival time with right-censored data. We use a deep neural network (DNN) to approximate the logarithm of a conditional hazard function given covariates and obtain a DNN likelihood-based estimator of the conditional hazard function. Such an estimation approach enhances model flexibility and hence relaxes structural and functional assumptions on conditional hazard or survival functions. We establish the nonasymptotic error bound and functional asymptotic normality of the proposed estimator. Subsequently, we develop new one-sample tests for goodness-of-fit evaluation and two-sample tests for treatment comparison. Notably, we design a new test specifically tailored for testing nonparametric Cox models. The consistency of these tests is established by analyzing the power functions. Both simulation studies and real application analysis show superior performances of the proposed estimators and tests in comparison with existing methods.