近日，由我校数学科学学院张旭特聘副研究员、香港理工大学刘春玲副教授、北京工商大学郭建华教授、香港大学袁锦泉教授、澳洲国立大学Alan Welsh教授合作完成的论文”Modeling and Learning on High-Dimensional Matrix-Variate Sequences”，被统计学“四大天王”、国际顶级学术期刊《Journal of the American Statistical Association》正式发表。这是我校研究人员首次在该期刊上发表论文。张旭副研究员是第一作者，我校是该论文的第一作者单位。

        合作团队通过假设矩阵秩分解的基向量具有高维向量因子模型的结构，严格推导出了新的矩阵因子模型RaDFaM。该模型贡献了一类全新的低秩潜在结构，从张量子空间的角度来看，该结构对信号强度和降维进行了权衡。基于RaDFaM内在的可分协方差结构，针对一系列矩阵值观测，作者推导了一类新的PCA变体(sPCA)，并证明了RaDFaM的峰值信噪比在PCA类型估计中是最优的。此外，作者给出了全面的推断理论以及数值实验。同行评审指出：该论文提出的矩阵变量低秩近似是处理高维矩阵型数据对象的一种新的方法(a new state-of-the-art)；从张量子空间角度对模型工作机制的阐明是令人信服的(persuasively)；证明峰值信噪比的最优性是令人印象深刻的(impressed)；新的估计方法为矩统计类方法提供了新的思路(contributes new sight)、计算方便(convenient)；实证研究表明sPCA在矩阵重建误差上优于(outperforms)其他方法，甚至优于(better)深度自编码器，令人惊喜(surprising)。

        该论文的第一作者张旭副研究员，东北师范大学博士，香港理工大学CAS AMSS-PolyU JLab博士后，现为我校青年英才特聘副研究员。她的主要研究方向为基于因子模型的高维张量(矩阵)数据的统计建模、推断及其应用，相关研究受到了国内外同行的关注和认可。

        《Journal of the American Statistical Association》创立于1888年，每季在3月、6月、9月和12月出版，长期以来一直被认为是统计科学的首要期刊，文章集中于原创性和突破性的统计应用、理论和方法，对统计学学科方向的发展具有重要的引领和指导作用。

论文链接https://www.tandfonline.com/doi/abs/10.1080/01621459.2024.2344687