为深化智能科学与技术学科的理论基础建设，推动理论创新与学科交叉，本期青年博士论坛系列讲座聚焦智能科学与技术学科下的智能基础理论方向，特邀我院周劲宇博士于10月20日作题为"相依随机变量的强极限性质"的专题报告。讲座聚焦相依序列的极限理论前沿，系统介绍了其在宽相依结构下随机变量序列强收敛性研究方面的创新成果。
周劲宇博士从大数据时代的实际需求出发，指出传统独立假设在刻画现实数据关联性方面存在的局限性，进而引出各类相依结构性质的研究价值。他梳理了相依结构的发展脉络，包括早期的相依结构、负相依结构和广义负相依（END）等重要概念及其拓展形式。随后，周劲宇则围绕“在经典空间中，对宽相依变量，能否推出与独立情形媲美的收敛性定理?“这一问题展开讨论，重点展示了其在Baum-Katz型定理推广工作中取得的突破性进展。通过改进传统的截尾方法，他成功建立了END等宽相依变量加权和的完全收敛与矩完全收敛定理，将矩条件削弱至与独立情形相当的水平，为该领域的研究提供了新的分析思路。
讲座结束后，现场师生就Baum-Katz型强极限定理的进一步推广路径进行了深入探讨。本次讲座为我院师生提供了了解宽相依变量收敛性研究前沿动态的重要窗口，深化了对现代概率论与随机过程理论的理解。
主讲人简介：
周劲宇博士, 2025年毕业于苏州大学数学科学学院, 师从严继高与唐煜, 从事概率极限理论方面研究工作, 主要研究方向是: 相依随机变量的强极限定理及其应用, 保险风险模型中的破产渐近分析等。现已在Journal of Computational and Applied Mathematics, Statistical Papers, Acta Mathematica Sinica - English Series, Stochastics等SCI源期刊上发表论文10篇, 任Communications in Statistics - Theory and Methods等SCI源期刊的审稿人。
