10月8日，國(guó)際學(xué)術(shù)期刊Proc Natl Acad Sci USA在線發(fā)表中國(guó)科學(xué)院生物化學(xué)與細(xì)胞生物學(xué)研究所陳洛南研究組與蘇州大學(xué)馬歡飛副教授、東京大學(xué)Kazuyuki Aihara教授、復(fù)旦大學(xué)林偉教授合作的題為“Randomly Distributed Embedding Making Short-term High-dimensional Data Predictable（高維短序列數(shù)據(jù)預(yù)測(cè)的隨機(jī)嵌入分布方法）”的最新研究成果。該成果提出了基于非線性動(dòng)力學(xué)的全新隨機(jī)嵌入理論和方法（隨機(jī)嵌入分布方法RDE: Randomly Distributed Embedding），通過(guò)低維嵌入映射獲得目標(biāo)變量預(yù)測(cè)值的分布，最終使得高維短序列時(shí)間序列數(shù)據(jù)的預(yù)測(cè)成為可能。即建立了由短時(shí)間觀測(cè)的高維數(shù)據(jù)，預(yù)測(cè)目標(biāo)變量動(dòng)態(tài)行為的全新理論和方法。

 

        在時(shí)間序列分析中，一般認(rèn)為在獲得低維系統(tǒng)的大量時(shí)間樣本（時(shí)間序列數(shù)據(jù)）后，系統(tǒng)的重構(gòu)或者預(yù)測(cè)是可行的，而短的時(shí)間樣本數(shù)據(jù)一般是不可預(yù)測(cè)。但是在大數(shù)據(jù)時(shí)代，人們往往獲得大量的變量和有限的時(shí)間樣本（如影像數(shù)據(jù)或組學(xué)數(shù)據(jù)），一方面高維變量使得系統(tǒng)的擬合所需要的參數(shù)快速增長(zhǎng)帶來(lái)維度災(zāi)難，另一方面較短的時(shí)間樣本往往不能獲得完整的系統(tǒng)動(dòng)力學(xué)行為或統(tǒng)計(jì)規(guī)律，這就對(duì)數(shù)據(jù)分析方法提出了新的挑戰(zhàn)。

 

        基于這個(gè)問(wèn)題，研究人員建立全新隨機(jī)嵌入理論 (RDE)和短時(shí)間數(shù)據(jù)預(yù)測(cè)方法，使用低維嵌入映射來(lái)構(gòu)造弱預(yù)測(cè)器，在大量弱預(yù)測(cè)器的基礎(chǔ)上構(gòu)造強(qiáng)預(yù)測(cè)器，從而避免了維度災(zāi)難，并由高維系統(tǒng)中不同變量間的交互作用構(gòu)建目標(biāo)變量的動(dòng)態(tài)信息，彌補(bǔ)了短時(shí)間樣本的信息不足。研究人員從理論上給出了該框架的可行性分析，并通過(guò)基因表達(dá)數(shù)據(jù)、空氣污染、疾病數(shù)據(jù)與氣象數(shù)據(jù)等實(shí)際數(shù)據(jù)的預(yù)測(cè)進(jìn)一步驗(yàn)證了該方法的可行性和優(yōu)越性。特別是，隨機(jī)嵌入分布方法轉(zhuǎn)換高維數(shù)據(jù)為目標(biāo)變量（低維）的動(dòng)態(tài)信息，實(shí)現(xiàn)短序列數(shù)據(jù)的預(yù)測(cè)，同時(shí)RDE可看作是由高維小樣本構(gòu)建目標(biāo)變量的大樣本數(shù)據(jù)方法（見(jiàn)圖一）。

 

        即使學(xué)習(xí)數(shù)據(jù)只是吸引子的一部分樣本(黑色)，但RDE可預(yù)測(cè)那些沒(méi)有學(xué)習(xí)過(guò)的動(dòng)態(tài)行為（ 紅色），見(jiàn)圖二。

 

        該工作對(duì)于大數(shù)據(jù)的分析，特別是高維短序列的時(shí)間序列數(shù)據(jù)分析提供了全新的概念和理論，不僅可用于時(shí)間序列的預(yù)測(cè)，也可應(yīng)用于人工智能及腦科學(xué)中的大樣本數(shù)據(jù)構(gòu)建和全新學(xué)習(xí)建立等。

 

        該研究得到中科院B類先導(dǎo)專項(xiàng)、國(guó)家重點(diǎn)研發(fā)計(jì)劃和國(guó)家自然科學(xué)基金的經(jīng)費(fèi)支持。

 

        文章鏈接