2012-2016，博士，北京大学光华管理学院
2008-2012，学士，中央财经大学
2020-至今，中国人民大学统计学院，副教授
2016-2020，中国人民大学统计学院，助理教授
2023-至今，中国现场统计研究会统计交叉科学研究分会常务理事
2019-至今，人民邮电出版社数据科学与统计·商业分析系列教材编委会委员
国家统计局全国统计科学重大研究项目，基于CT成像数据的三维重建与病灶评估的统计模型理论与应用研究，主持，2023-2025
国家自然科学基金面上项目，人工智能背景下复杂网络数据建模与应用研究，主持，2022-2025
中国人民大学科学研究基金面上项目，统计视角下的深度学习优化算法研究，主持，2021-2023
国家统计局全国统计科学重点研究项目，基于网络结构数据的深度学习算法研究，主持，2020-2022
北京市社科基金青年项目，人工智能背景下的新兴文化产业商业模式研究：以直播平台为例，主持，2020-2022
国家自然科学基金青年基金，原创还是转发？社交网络视角下的 UGC 产生动机研究，主持，2018-2020
中国人民大学新教师启动基金项目，网络数据分析及相关建模研究，主持，2017-2018
中国博士后科学基金第60批面上项目，复杂网络数据建模及其高效计算方法的研究，主持，2016-2018
中国人民大学吴玉章青年学者（2024至今）
入选北京市科协青年人才托举工程（2024-2026）
中国人民大学本科课外教学优秀指导教师（2023）
中国人民大学本科优秀论文指导教师（2023）
正大杯第十三届全国大学生市场调查与分析大赛优秀指导教师奖（2023）
北京应用统计学会学术研讨会优秀论文奖（2022）
中国人民大学第十届青年教师教学基本功比赛三等奖（2019）
第十八届京津地区青年概率统计研讨会最佳论文奖（2014）
统计学，本科生，2017-2020
高级统计学，非统计类硕博生，2017-2019
统计软件应用，本科生，2018-至今
深度学习，本科生，2020-至今
商业应用分析，本科生（荣誉辅修学位），2020-至今
( * 为通讯作者，^ 为本人指导的研究生、本科生)
Fu, X^., Meng, X^., Zhou, J.*, and Ji, Y., (2023), High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An Attention-Enhanced Graph Convolutional Network Approach. In 2023 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Istanbul, Turkiye, 2023 pp. 1905-1910. doi: 10.1109/BIBM58861.2023.10385853. [PDF]
Zhou, J., Hu, B., Feng, W., Zhang, Z., Fu, X.^, Shao, H.^, Wang, H., Jin, L., Ai, S., Ji, Y*., (2023), An Ensemble Deep Learning Model for Risk Stratification of Invasive Lung Adenocarcinoma Using Thin-Slice CT. Npj digital medicine, 6, 119. [PDF]
Liu, J., Zhou, J.*, Lan, W., and Wang, H., (2023), Spatial Dynamic Panel Models with Missing Data. Stat, 12: e585. [PDF]
Zhou, J., Leng, S.^, Wang, F*., and Wang, H., (2023), Automatic Discovery of Controversial Legal Judgments by an Entropy-Based Measurement. In the 35th International Conference on Software Engineering and Knowledge Engineering, SEKE2023, KSIR Virtual Conference Center, USA, July 1-10, 2023, pages 82–85. KSI Research Inc., 2023.[PDF]
Zhou, J*., Jing, X.^, Liu, M.^, and Wang, H., (2023), Compressing the Embedding Matrix by a Dictionary Screening Approach in Text Classification. In the Proceedings of the 26th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD2023), LNAI 13935, pp. 457–468. [PDF]
Qi, H., Cao, J.^, Chen, S.^, and Zhou, J*., (2023), Compressing Recurrent Neural Network Models through Principal Component Analysis. Statistics and its Interface, 16(3), 397-407. [PDF]
Zhang, R., Zhou, J.*, Lan, W., and Wang, H., (2022), A Case Study on the Shareholder Network Effect of Stock Market Data: A SARMA Approach. Science China Mathematics, 65(11)，2219-2242. [PDF]
Qi, H., Zhou, J.*, and Wang, H., (2022), A Note on Factor Normalization for Deep Neural Network Models. Scientific Reports, 12, 5909. [PDF]
Zhou, J., Lan, W.*, and Wang, H., (2022), Asymptotic Covariance Estimation by Gaussian Random Perturbation. Computational Statistics and Data Analysis, 171, 107459. [PDF]
Zhou, J., Liu, J.*, Wang, F., and Wang H., (2022), Autoregressive model with spatial dependence and missing data. Journal of Business and Economic Statistics, 40(1): 28-34. [PDF]
Zhou, J., Qi, H.*, Chen, Y., and Wang, H., (2021), Progressive principal component analysis for compressing deep convolutional neural networks. Neurocomputing, 440(2021),197-206. [PDF]
Zhou, J., Li, D*, Pan,R., and Wang, H., (2020), Network GARCH Model. Statistica Sinica, 30(4), 1723-1740. [PDF]
Zhou, J., Zhou, J.*, Ding, Y, and Wang, H. (2019), The Magic of Danmaku: A Social Interaction Perspective in the Motivation of Gift Sending on Live Streaming Platforms. Electronic Commerce Research and Applications, Vol 34, 1-7. [PDF]
Zhou, J., Huang,D.*, and Wang, H., (2018), A note on estimating spatial autocorrelation in a discrete choice model. Statistics and Its Interface, Vol. 11, No. 3, 433-439. [PDF]
Huang. D, Zhou, J.*, and Wang, H., (2018), RFMS method for credit scoring based on bank card transaction data. Statistica Sinica, Vol. 28, No.4, 2903-2919. [PDF]
Zhou, J., Tu, Y, Chen, Y., and Wang, H., (2017), Estimating Spatial Autocorrelation with Sampled Network Data. Journal of Business and Economic Statistics, 35(1)., 130~138. [PDF]
Zhou, J., Huang D.*, and Wang, H. (2017), A Dynamic Logistic Regression for Network Link Prediction. Science China Mathematics, Vol.60, No.1, 165-176. [PDF]
高天辰，曲浩，王菲菲，周静*（2023），基于海量高维特征因子的券商客户流失预警模型研究，经济管理学刊，第2卷第4期，143-168 [PDF]
周静，杨玲燕，刘喆^，王芳*（2023），人工智能辅助法官决策研究：基于量刑偏差识别视角，经济管理学刊，第2卷第2期，197-218 [PDF]
周静，庄艳阳^，周季蕾*（2022），基于文本语义与动态网络结构的科研合作网络链路预测研究，情报资料工作，43(6)：21-29 [PDF]
周静，沈俏蔚，涂平，王汉生（2019），社交网络中被关注者类型与发帖类型对用户发帖动机的影响研究，管理科学, 第32卷第2期，67-76 [PDF]
周季蕾，周静*，李季（2018），“IP剧”的社会化媒体营销——基于文本挖掘与社会网络分析的研究，现代管理科学，2018第7期，99-102 [PDF]
周静，周小宇，王汉生（2017），自我网络特征对电信客户流失的影响研究，管理科学, 第30卷第5期，28-37 [PDF]
周静，沈俏蔚，涂平，王汉生（2017），原创还是转发？基于社交媒体UGC的交互效用研究，营销科学学报，第13卷第4辑，55-67 [PDF]
潘蕊，周静*，关蓉，（2017），社会网络中意见领袖对客户间接价值的影响，商业研究，第59卷第9期，28-32 [PDF]
周静，袁瑛，涂平（2016）中国电影圈主要导演和演员合作网络的结构特征分析，复杂系统与复杂性科学，第13卷第3期，69~80 [PDF]
非主要作者及临床医学交叉学科文章：
Luo, R., Zhao, S.*, and Zhou, J., (2023), Information Network, Public Announcements and Asset Prices. Pacific-Basin Finance Journal, Volume 77, 101882. [PDF]
Ji, Y., Bai, G., Qiu, B., Zhao, L., Zhou, J., Xue, Q., Gao. S., (2021), The surgical management of early-stage lung adenocarcinoma: is wedge resection effective? Journal of Thoracic Disease, 13(4):2137-2147. [PDF]
Huang, D., Guan, G.*, Zhou, J., and Wang, H. (2018), Network-based Naive Bayes Model for Social Network. Science China Mathematics, 61 (4): 627-640. [PDF]
胡竞雄，周静，黄茜，马瑞颖，彭文广，钟跃思（2021），肝胆影像学指标对乙肝后肝硬化门静脉高压症患者肝功能预测价值，中华肝脏外科手术学电子杂志，第10卷第5期，493-497 [PDF]
李季，张帅，周静（2020），服务与需求的匹配度对客户流失的影响研究：基于电信行业的客户数据实验，管理评论，第32卷第5期，192-204 [PDF]
王雪，郭庆云，罗荣华，周静（2018），基于信息网络视角的机构持股与盈余公告市场反应研究，中国软科学，11, 172-183 [PDF]
发明专利，周静、冀瑛、付小桐，基于影像组学和深度学习的肺腺癌亚型识别方法和装置，授权公告日：2023年10月17日
发明专利，冀瑛、周静、胡滨，基于多视野的3D卷积神经网络集成模型肺结节诊断系统，授权公告日：2023年04年07日
发明专利，冀瑛、周静、刘建华、胡滨，基于图卷积神经网络的肺癌病理高危因素预测方法和装置，授权公告日：2023年03月21日
计算机软件著作权，周静，冀瑛，孔志宇，多原发肺癌生存预后计算软件V1.0，登记日期：2023年05月18日
计算机软件著作权，冀瑛、周静，基于EMV-3D-CNN模型的肺结节危险分级预测平台[简称：EMV-3D-CNN肺结节风险分级预测平台]V1.0，登记日期：2023年03月20日
周静，鲁伟主编，深度学习：基于pytorch的实现，中国人民大学出版社，2023年6月
周静著，社交网络数据：理论与实践，北京邮电大学出版社，2022年4月
王汉生，周静编著，深度学习：从入门到精通，人民邮电出版社，2021年1月