10月5日上午，应数学与统计学院邀请，北京交通大学孔令臣教授作了题为《Sample Average Approximation for Conditional Stochastic Optimization with Dependent Data》的学术报告。报告会由蔡礼明教授主持，部分老师及研究生聆听了此次报告。

报告中，孔教授首先介绍了条件随机优化（CSO）的应用背景，指出目前关于CSO大多数方法都严重依赖于训练样本 独立同分布，但这个假设在很多实际问题中都不满足。在本报告中，孔教授介绍了依赖相关数据的 CSO 的样本均值近似 （SAA），利用协方差不等式和独立块采样技术为CSO 提供了 SAA 的理论保证。此外，孔教授介绍了SAA在CSO问题上的样本复杂度，证明了其与样本独立情况的复杂度相同。最后，孔教授通过对几个应用实例验证了理论结果，并证明在实际数据应用中，数据的依赖性不会降低SAA方法的性能。

报告结束后，孔令臣教授与师生展开了热烈讨论，就师生提出的问题进行了详细、全面的解答。（汤京永供稿，韩英波审核）