05 3月 实验室论文被 NSR 期刊录用
时间： 17:43
分类：
未分类
作者： shixuan
National Science Review 是自然科学综合性的英文学术期刊，报道范围涵盖数理科学、化学科学、生命科学、地球科学、材料科学、信息科学等六大领域，2019年该期刊影响因子13.222，在全球69种SCI综合性学术期刊中位列第3位。
实验室与中科院陈洛南研究员，苏州大学马欢飞教授 及东京大学Kazuyuki Aihara教授合作“Predicting future dynamics from short-term time series by anticipated learning machine” 被本期刊接收，实验室本科实习生李蕊、舒琳、何智宇、王季宁同学参与到本项工作。
传统的时序预测方法多是基于统计学或者机器学习，由于统计学或机器学习方法行之有效的条件是观测到足够长期时序数据或大样本数据，而小样本往往不能获得完整的系统动力学行为或统计规律，因此短期时序或小样本数据的预测一直是时序预测中的难点。该工作基于动力学延迟嵌入理论(Delay embedding theory)，建立了由高维系统中不同变量间的交互作用信息构建目标变量(或预测变量)的动态信息ALM方法，弥补了小样本的信息不足。特别构建了由高维短期时序数据与预测变量长期时序数据两者间的拓扑同构映射关系，通过将高维短期时序数据转化为低维长期时序数据从而实现了小样本(短期)数据的时序预测，进而提出面向小样本时序预测的预见性学习机器（ALM: Anticipated Learning Machine）方法，从而为该类问题提供了全新的解决方案。实验表明该方法在人造洛伦兹系统、基因表达预测、风速预测、股票预测、车流量预测、台风路径预测等多个实际数据集上均能做出准确的多步预测。该工作对于小样本的时间序列数据分析提供了基于动力学理论的预见性学习机器方法，不仅可用于时间序列的多步预测，也可应用于人工智能及脑科学中的小样本数据构建和全新学习建立等。
