［本站讯］近日，中泰证券金融研究院博士生王文武与其导师林路教授合作撰写的论文“Derivative Estimation Based on Difference Sequence via Locally Weighted Least Squares Regression”被机器学习和统计学习领域的顶级期刊《Journal of Machine Learning Research》正式接收发表。
　　在参数估计领域，非参导数估计从未引起足够的重视，因为在采用局部多项式回归估计均值函数的过程中，导数通常作为“副产品”被估计出。但是，王文武和林路教授的研究发现，均值函数及其各阶导数之间的收敛速度并不相同，当均值函数达到最优收敛速度时，其各阶导数均未达到最优收敛速度。
　　王文武和林路教授的文章提出了一种新的非参导数估计的方法。第一步，应用泰勒展开技巧到一列构造的对称差分序列中，得到一列近似的线性回归表达，其所求导数项正好是常数项。第二步，利用局部加权最小二乘回归的方法来估计导数。这样的策略具有两大优点：第一，被估计的导数项放到了主项位置，解决了局部多项式回归中均值估计和导数估计不同时达到最优收敛速度的问题；第二，通过增加泰勒展开阶数，减少了波峰和波谷中的估计偏差问题。通过大量的数据模拟，这一理论的正确性得到了充分的验证，研究结果得到了学界的广泛认可。
　　《Journal of Machine Learning Research》建刊于2000年，关注机器学习的所有领域和人工智能的部分分支，统计模型(概率图模型和统计学习理论)是其主流的研究方法。目前，JMLR已成为机器学习、人工智能和模式识别领域最重要的国际论坛，是中国计算机学会评出的该领域的四大顶级期刊之一。