6月18日，应统计学院和中国经济统计研究中心邀请，威斯康星大学麦迪逊分校的张春明教授为统计学院师生做题为“MaxICAwith augmented genetic algorithm and application to EEG data”的学术报告。在许多科学领域中，如何从观测数据(原始信号)中如何找到隐藏影响因素一直以来都是具有挑战性的工作。现有的多数方法仅依赖于线性变换，即隐藏分量是原始信号的线性组合。受到遗传学与神经科学中非线性时序信号分析方法的启发，基于原始信号的最大线性组合，张春明教授团队提出了“最大独立分量分析(MaxICA)”方法。与现有方法相比，“MaxICA”方法不仅可以过滤掉可忽略的信号，还能有效地提取主要信号源。同时，提出的ERD_GA算法解决了MaxICA中如何确定未知参数的问题。为了检验方法的有效性，张教授利用脑电图数据进行仿真实验，实验结果表明利用新方法提取隐藏分量较现有方法更有优势。最后张老师与参与报告的师生展开了热烈的讨论，并在如何提高科研效率与科研的创新性等方面给出了建议。

张春明教授为美国威斯康星大学麦迪逊分校统计系教授。担任Annalsof Statistics，Journal of theAmerican Statistical Association，and Journal of Statistical Planning and Inference (2012–2018)等刊物的副主编。她是国际数理统计学会“会士”(IMS Fellow)、美国统计学会“会士”(ASA Fellow)。2015年担任美国统计学会非参数统计分会的程序主席，2019年IMS-China概率统计国际会议的学术委员会的联合主席。她的研究兴趣包括：高维复杂数据统计建模与推断，非参数与半参数统计建模与推断，大规模多元联合统计推断，及其应用于脑科学研究及神经影像数据分析，生物信息，医学，计量经济学及金融。