超高
个人信息
我是芝加哥大学的统计学教授。我毕业于耶鲁大学。我的导师是哈里·周我的研究领域包括非参数和高维统计、网络分析、贝叶斯理论和稳健统计。
联系人
地址:伊利诺伊州芝加哥市琼斯214A埃利斯大道南5747号,邮编:60637
电子邮件:firstnamelastname@uchicago.edu
体验与服务
《统计年鉴》副主编,2023年9月-
副主编,伯努利,2019年1月-
《电子统计杂志》副主编,2017年3月-
莱顿大学客座学生(教授。阿德·范德法特)2015年1月至2015年5月
2014年5月至2014年8月,微软研究院雷德蒙分校实习生
Microsoft Research Redmond实习生,2013年5月至8月
论文
-网络分析-
基于低阶多项式的Graphon估计的计算下限[arXiv公司]
Y.Luo和C.Gao
统计年鉴,即将出版
网络分析中的极小极大率:图形估计、社区检测和假设检验[arXiv公司]
C.Gao和Z.Ma
统计科学,2021
使用小子图统计测试全局网络结构[arXiv公司]
C.Gao和J.Lafferty
利用小子图概率之间的关系测试网络结构[arXiv公司]
C.Gao和J.Lafferty
度校正块模型中的社区检测[arXiv公司]
C.Gao、Z.Ma、A.Zhang和H.Zhou
2018年统计年鉴
随机块模型中最优误分类比例的实现[arXiv公司]
C.Gao、Z.Ma、A.Zhang和H.Zhou
机器学习研究杂志,2017
速率最优图估计[arXiv公司]
C.Gao、Y.Lu和H.Zhou
2015年统计年鉴
具有双簇结构矩阵的最优估计与完备[arXiv公司]
C.Gao、Y.Lu、Z.Ma和H.Zhou
机器学习研究杂志,2016
-稳健的统计-
大尺度推理中零分布的最优估计[arXiv公司]
S.Kotekal和C.Gao
稳健散射估计的生成对抗网:一个正确的评分规则视角[arXiv公司]
C.Gao、Y.Yao和W.Zhu
机器学习研究杂志,2020年
稳健估计与生成对抗网[arXiv公司]
C.Gao、J.Liu、Y.Yao和W.Zhu
ICLR,2019年
污染数据密度估计:最小最大速率和适应理论[arXiv公司]
H.Liu和C.Gao
《电子统计杂志》,2019年
基于多元回归深度的稳健回归[arXiv公司]
C.高
伯努利,2020
Huber污染模型下的稳健协方差矩阵估计[arXiv公司]
M.Chen、C.Gao和Z.Ren
2018年统计年鉴
Huber的$\epsilon$-污染模型的一般决策理论[arXiv公司]
M.Chen、C.Gao和Z.Ren
电子统计杂志,2016
-排序和排列-
Bradley-Terry-Luce模型中的不确定性量化[arXiv公司]
C.Gao、Y.Shen和A.Zhang
信息与推断,2023年
基于成对比较的最佳全排名[arXiv公司]
P.Chen、C.Gao和A.Zhang
《统计年鉴》,2022
Top-k排序的部分恢复:MLE的最优性和谱方法的次优性[arXiv公司]
P.Chen、C.Gao和A.Zhang
《统计年鉴》,2022年
离散结构恢复的迭代算法[arXiv公司]
C.Gao和A.Zhang
《统计年鉴》,2022年
近似排序中的相变[arXiv公司]
C.高
基于对称多项式的随机分块拟合优度检验[arXiv公司]
C.高
机器学习研究杂志,2018
-贝叶斯理论-
经验Bayes后验分布的收敛速度:一个变分的观点[arXiv公司]
F.Zhang和C.Gao
贝叶斯社区检测的Metropolis-Hastings混合时间[arXiv公司]
B.卓和C.高
机器学习研究杂志,2021年
具有图结构稀疏性的贝叶斯模型选择[arXiv公司]
Y.Kim和C.Gao
机器学习研究杂志,2020年
变分后验分布的收敛速度[arXiv公司]
F.Zhang和C.Gao
2020年统计年鉴
贝叶斯结构线性模型的通用框架[arXiv公司]
C.Gao、A.van der Vaart和H.Zhou
2020年统计年鉴
稀疏PCA的速率最优后收缩[arXiv公司]
C.Gao和H.Zhou
《统计年鉴》,2015年
基于改进块先验的速率精确贝叶斯自适应[arXiv公司]
C.Gao和H.Zhou
2016年统计年鉴
协方差矩阵泛函的Bernstein-von Mises定理[arXiv公司]
C.Gao和H.Zhou
电子统计杂志,2016
系统发育印度自助餐过程的后收缩率[arXiv公司]
M.Chen、C.Gao和H.Zhao
贝叶斯分析,2016
-高维统计-
高维计数超范数中的局部尖锐拟合优度检验[arXiv公司]
S.Kotekal、J.Chhor和C.Gao
高维变点检测中的尖锐相变[arXiv公司]
D.Xiang和C.Gao
高斯序列模型中稀疏性满足相关性[arXiv公司]
S.Kotekal和C.Gao
稀疏可加模型中的极小极大信号检测[arXiv公司]
S.Kotekal和C.Gao
相关下稀疏信号检测的最小最大速率[arXiv公司]
S.Kotekal和C.Gao
信息与推断,2023年
最优正交群同步和旋转群同步[arXiv公司]
C.Gao和A.Zhang
信息与推断,2022年
SDP在相位同步中实现精确的最小最大优化[arXiv公司]
C.Gao和A.Zhang
IEEE信息理论汇刊,2022年
相位同步的精确极小极大估计[arXiv公司]
C.Gao和A.Zhang
IEEE信息理论汇刊,2021年
模型修复:超参数统计模型的稳健恢复[arXiv公司]
C.Gao和J.Lafferty
聚类的等价性测试[arXiv公司]
C.Gao和Z.Ma
《统计年鉴》,2022年
稀疏、高维变点检测中的最小最大速率[arXiv公司]
H.Liu、C.Gao和R.Samworth
《统计年鉴》,2021年
随机设计非参数回归中方差的最优估计[arXiv公司]
Y.Shen、C.Gao、D.Witten和F.Han
2020年统计年鉴
关于各向同性分段常数信号的估计[arXiv公司]
C.Gao、F.Han和C-H.Zhang
2020年统计年鉴
随机典型相关分析[arXiv公司]
C.Gao、D.Garber、N.Srebro、J.Wang和W.Wang
机器学习研究杂志,2019年
稀疏CCA:自适应估计和计算障碍[arXiv公司]
C.Gao、Z.Ma和H.Zhou
2017年统计年鉴
稀疏典型相关分析中的极大极小估计[arXiv公司]
C.Gao、Z.Ma、Z.Ren和H.Zhou
2015年统计年鉴
基于精度调整迭代阈值的稀疏CCA[arXiv公司]
M.Chen、C.Gao、Z.Ren和H.Zhou
众包最优费率的精确指数[arXiv公司]
C.Gao Y.Lu和D.Zhou
ICML,2016年
基于众源标签估计地面真实值的极小极大最优收敛速度[arXiv公司]
C.Gao和D.Zhou
-其他-
关于“边缘采样网络交叉验证”的讨论[牛津]
C.Gao和Z.Ma
生物特征,2020年
关于“使用可交换随机测度的稀疏图”的讨论[狡猾的]
C.高
英国皇家统计学会期刊:B辑,2017
用时变系数Logistic模型和增强树分析BP深水层位排油影响区[纺纱工]
T.Li、C.Gao、M.Xu和B.Rajaratnam
计算统计学,2014(2011年ASA数据博览会获奖者)