2021年4月22日，英国布鲁内尔大学Asoke Nandi教授应邀作题为《基于时间序列模型的噪声多项式数据的度估计》的线上学术报告。

    近些年，度估计的理论和算法日益成熟，应用领域也越来越广。在很多实际应用中，从数据中准确地估计出多项式的度可以显著提高在建模、检测、评估和预测方面的性能，因此准确的度估计在数据科学中尤为重要。

    Asoke Nandi教授主要研究的是仅仅使用一个未知数来表示具有同一阶时间序列的任意次多项式。他以《基于时间序列模型的噪声多项式数据的度估计》为讲座题目，主要从无噪声的多项式，有噪声的多项式，计算机实验，新的度估计值等方面分析了多项式数据的特点以及提出来新的根据未知参数推导度估计值的方法。首先介绍了一阶，二阶多项式以及自回归时间序列，提出了一种新的掺杂噪声多项式的度估计方法。然后对无噪声的时间序列方程的和多项式方程的未知参数个数进行了讲解，引出了含噪声多项式的未知参数个数与噪声值的关系，提出均方误差随着拟合多项式的度增加而减小以及其他参数的变化。并对计算机实验的理论、过程和结果进行了详细阐述，指出度估计对于每个噪声标准偏差的参数对应关系。最后提出用只包含一个未知的已知形式的常数的时间序列模型代表多项式，在不使用任何多项式系数的前提下通过时间序列模型准确地估计出多项式的度，并且对一些参数的准确性进行了对比。

    对数据进行深度准确的发掘和更广泛的应用是我校学科发展和建设的重要目标，今后我校将继续与英国布鲁内尔大学开展深入交流与合作。