10月13日下午，国家金融学学院在校本部实验楼201报告厅举办“数字经济前沿讲座”第二讲。本次讲座特邀人工智能与数字经济广东省实验室（深圳）何玉林博士作题为“老树开新花：概率密度估计技术赋能大数据智能分析”的学术报告，国家金融学学院韩迪教授主持报告，国家金融学学院院长张玲教授出席。

何玉林博士指出，当前人工智能正从以模型优化为主的传统路径，转向以数据质量和分布为核心的新阶段。概率密度估计（PDE）技术正是理解数据分布、提升算法性能的关键工具。通过刻画数据在不同取值下的概率分布，PDE帮助研究人员更准确地理解复杂数据结构，为大数据建模、机器学习训练和智能决策提供坚实基础。

何玉林博士着重介绍了以下三项研究中的创新突破：1.基于数据生成模型的仿真样本点插补方法（DGM-SSI），针对不平衡样本和小样本学习问题，提出“数据生成模型插补”新方法，通过高斯混合模型拟合真实数据分布，使生成的仿真样本与真实样本在概率分布上一致。2.基于密度估计的大数据随机样本划分容量确定方法（DEM），为解决大数据处理中的样本量设定难题，通过设计“理论+实践”两步框架，结合概率密度估计和统计不等式方法，科学确定最优样本规模。3.面向多模分布的灵活核密度估计方法（F-KDE），在复杂数据分布分析方面，提出“核单元不等价”思想，让不同数据区域自动分配权重，从而避免传统核密度估计的“过平滑”或“过拟合”问题。

讲座结束后，何玉林博士与学院师生就仿真样本点插补方法的原理机制、面向多模分布的灵活核密度估计方法的实际应用等问题进行了深入交流。

本次讲座不仅为学院师生提供了接触人工智能与大数据分析前沿的宝贵机会，更为数据分析领域的科研工作开拓了新思路。

专家简介：何玉林，工学博士，人工智能与数字经济广东省实验室（深圳）研究员、高级工程师，深圳市海外高层次专业人才、深圳市特支人才、光明科学城TB类高层次人才、深圳市光明区五一劳动奖章获得者。主要研究方向为新型大数据理论模型、面向大数据的软件系统支撑技术、大数据高性能/并行计算平台、面向大数据的机器学习算法、以及复杂型大数据应用系统等。担任中国人工智能学会CAAI推荐B类高质量学术期刊《Artificial Intelligence Research》领域主编，是国内唯一担任三大大数据国际期刊《Big Data Mining and Analytics》《Big Data Research》《Journal of Big Data》副主编的华人学者。