10月8日，國際學術期刊Proc Natl Acad Sci USA在線發(fā)表中國科學院生物化學與細胞生物學研究所陳洛南研究組與蘇州大學馬歡飛副教授、東京大學Kazuyuki Aihara教授、復旦大學林偉教授合作的題為“Randomly Distributed Embedding Making Short-term High-dimensional Data Predictable（高維短序列數據預測的隨機嵌入分布方法）”的最新研究成果。該成果提出了基于非線性動力學的全新隨機嵌入理論和方法（隨機嵌入分布方法RDE: Randomly Distributed Embedding），通過低維嵌入映射獲得目標變量預測值的分布，最終使得高維短序列時間序列數據的預測成為可能。即建立了由短時間觀測的高維數據，預測目標變量動態(tài)行為的全新理論和方法。

 

        在時間序列分析中，一般認為在獲得低維系統的大量時間樣本（時間序列數據）后，系統的重構或者預測是可行的，而短的時間樣本數據一般是不可預測。但是在大數據時代，人們往往獲得大量的變量和有限的時間樣本（如影像數據或組學數據），一方面高維變量使得系統的擬合所需要的參數快速增長帶來維度災難，另一方面較短的時間樣本往往不能獲得完整的系統動力學行為或統計規(guī)律，這就對數據分析方法提出了新的挑戰(zhàn)。

 

        基于這個問題，研究人員建立全新隨機嵌入理論 (RDE)和短時間數據預測方法，使用低維嵌入映射來構造弱預測器，在大量弱預測器的基礎上構造強預測器，從而避免了維度災難，并由高維系統中不同變量間的交互作用構建目標變量的動態(tài)信息，彌補了短時間樣本的信息不足。研究人員從理論上給出了該框架的可行性分析，并通過基因表達數據、空氣污染、疾病數據與氣象數據等實際數據的預測進一步驗證了該方法的可行性和優(yōu)越性。特別是，隨機嵌入分布方法轉換高維數據為目標變量（低維）的動態(tài)信息，實現短序列數據的預測，同時RDE可看作是由高維小樣本構建目標變量的大樣本數據方法（見圖一）。

 

        即使學習數據只是吸引子的一部分樣本(黑色)，但RDE可預測那些沒有學習過的動態(tài)行為（ 紅色），見圖二。

 

        該工作對于大數據的分析，特別是高維短序列的時間序列數據分析提供了全新的概念和理論，不僅可用于時間序列的預測，也可應用于人工智能及腦科學中的大樣本數據構建和全新學習建立等。

 

        該研究得到中科院B類先導專項、國家重點研發(fā)計劃和國家自然科學基金的經費支持。

 

        文章鏈接