报 告 人：张春明 教授
报告题目：Estimation of the error auto-correlation matrix in semi-parametric model for brain fMRI data
报告时间：
报告地点：静远楼1506学术报告厅
报告摘要：In statistical analysis of functional magnetic resonance imaging (fMRI), dealing with the temporal correlation is a major challenge in assessing changes within voxels. In this paper, we aim to address this issue by considering a semi-parametric model for fMRI data. For the error process in the semi-parametric model, we construct a banded estimate of the auto-correlation matrix R, and propose a refined estimate of the inverse of R. Under some mild regularity conditions, we establish consistency of the banded estimate with an explicit convergence rate and show that the refined estimate converges under an appropriate norm. Numerical results suggest that the refined estimate performs conceivably well when it is applied to the detection of the brain activity.
张春明教授简介：
美国威斯康辛大学麦迪逊主校统计学教授。2000年毕业于北卡罗来纳大学教堂山分校，获统
现任美国统计学会非参数统计分会主席；曾担任美国统计学会学生论文竞赛评审委员会委员、数理统计研究所提名委员、泛华统计学会理事；先后担任 Ann. Statistics，JASA和J. Statist. Plann.Inference 等杂志副主编；自2006年起多次担任美国国家自然科学基金专家组成 员；2011年当选为数理统计研究所会士；2004年获美国国家自然科学基金攻坚（Focus）研究奖；2003年受Statistica Sinica联合统计会议特别邀请做大会报告；在包括"四大天王"在内的统计学杂志上发表SCI论文40余篇。