一、会议安排

（一）报到注册

11月11日14:30-21:00 入选论文宣讲人报到注册，

报到方式：按会议通知扫码入群或联系会务人员（18126631908/15322156465）核实身份后入群。

（二）会议开幕式

11月12日8:30-9:00

腾讯会议号：118 826 720

（三）特邀报告

11月12日9:00-11:30  大会特邀报告

腾讯会议号：118 826 720

11月13日9:30-10:30  大会特邀报告

腾讯会议号：477 672 985

（四）分论坛安排

11月12日14:00-18:00  15个分会场同步举行

详见分会场安排

（五）颁奖仪式

11月13日10:30-11:00

腾讯会议号：477 672 985

（六）闭幕式

11月13日11:00-11:30

腾讯会议号：477 672 985

二、会议开幕式

腾讯会议号：118 826 720

二、会议开幕式

腾讯会议号：118 826 720

三、特邀报告安排

（一）大会特邀报告1

报告时间：11月12日9:00-09:45

腾讯会议号：118 826 720

主讲嘉宾：王汉生 教授

报告题目：图像数据的分析和应用

摘要：图像数据越来越广泛地出现在实践环境中。图像作为一种数据，与常规的格式化数据有非常大的不同，而能够处理图像数据的模型通常看起来也非常复杂。本次报告从图像数据是如何存储的开始，介绍如何通过回归分析的思想来理解图像相关深度学习模型的基本原理，帮助听众快速理解图像数据在实践中的处理方法与应用。

主持人：孙六全 教授

（二）大会特邀报告2

报告时间：11月12日9:50-10:35

腾讯会议号：118 826 720

主讲嘉宾：朱利平 教授

报告题目：统计学与人工智能：融通共进

摘要：统计学与人工智能要不要融通共进，在哪些方面融通共进，如何才能融通共进？这是学科发展的根本问题。本报告尝试回答这三个问题。

主持人：尹居良 教授

（三）大会特邀报告3

报告时间：11月12日10:40-11:25

腾讯会议号：118 826 720

主讲嘉宾：平卫英 教授

报告题目：碳转移视角下中国区域横向碳补偿标准测度研究

摘要：从碳转移视角实施区域横向碳补偿制度，可使跨区域贸易活动中隐含的碳转移污染外部性问题内部化，对实现我国“双碳”目标和促进区域协调发展具有重要意义。为此，本文从碳转移这一新的视角对中国区域横向碳补偿标准进行测度，首先构建多区域投入产出模型核算中国区域间的碳转移量，然后引入碳交易价格测算区域横向碳补偿金额，以此作为碳补偿标准。为使碳补偿标准对生产技术产生正向而非负向的激励作用，进一步采用“技术补偿”对碳补偿金额进行修正。基于此测度思路，选取2017年中国30个省域为例进行实证测算。测算结果表明：江苏、广东和浙江等省域具有净碳转出量，需要支付碳补偿资金；内蒙古、山西和宁夏等省域具有净碳转入量，可以获得碳受偿资金，占比较高的部门均为工业部门和交通运输仓储邮政部门。经过“技术补偿”修正后，各省域的碳补偿金额或碳受偿金额出现较大幅度的缩减。最后，总结研究结论并提出完善我国区域横向碳补偿制度的政策建议。

主持人：李正辉 教授

（四）大会特邀报告4

报告时间：11月13日09:00-09:45

腾讯会议号：477 672 985

主讲嘉宾：郑术蓉 教授

报告题目：High-dimensional sample correlation matrix and its applications

摘要：Sample correlation matrix plays an important role in multivariate statistical analysis, for example, in factor analysis, principal component analysis and etc. We study the central limit theorem (CLT) of linear spectral statistics and the convergence of the spiked eigenvalues of high-dimensional sample correlation matrix when the data dimension and sample size tend to infinity proportionally. The CLTs are used for high-dimensional testing problems of correlation matrix and the convergence of the spiked eigenvalues can be used for high-dimensional factor models.

主持人：崔霞 教授