Colloquium/Seminar

YearMonth
2017 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Oct   Nov   Dec  
2016 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Oct   Nov   Dec  
2015 Jan   Feb   Mar   Apr   May   Jun   Aug   Sep   Oct   Nov   Dec  
2014 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2013 Jan   Feb   Mar   Apr   May   Jun   Aug   Sep   Nov   Dec  
2012 Jan   Feb   Apr   May   Jun   Jul   Aug   Sep   Nov   Dec  
2011 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2010 Jan   Feb   Mar   Apr   May   Jun   Sep   Oct   Nov   Dec  
2009 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2008 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2007 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2006 Jan   Feb   Mar   Apr   May   Jun   Jul   Sep   Oct   Nov   Dec  
2005 Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec  
2004 Jan   Feb   Mar   Apr   May   Aug   Sep   Oct   Nov   Dec  

Event(s) on October 2016


  • Monday, 17th October, 2016

    Title: Data fusion in a subjective way: a hierarchical model for heterogeneous data
    Speaker: Dr. Stephen Wu, Research and Development Center for Data Assimilation, The Institute of Statistical Mathematics, Japan
    Time/Place: 11:30  -  12:30
    Abstract: In the era of BIG DATA, the data is big not only in terms of its size, but also in terms of the diversity of data sources. A proper data fusion may reveal hidden information, while ignorance to the data heterogeneity may result in misleading conclusions. In this presentation, I will walk through examples from different fields, including seismology, molecular dynamics, pharmacokinetics and neurobiology, to demonstrate the motivation and methodology development of such a data fusion issue. Different from the typical superposition or data correlation model approaches, I present a hierarchical modeling approach that exhibit unique properties of model validation in a Bayesian perspective.