更新時(shí)間:2024-05-03 15:48:54作者:佚名
近日,復(fù)旦大學(xué)數(shù)學(xué)科學(xué)學(xué)院、類腦智能科學(xué)與技術(shù)研究院林偉教授團(tuán)隊(duì)與中科院、蘇州大學(xué)、日本東京大學(xué)團(tuán)隊(duì)合作,提出了一種新的數(shù)據(jù)驅(qū)動(dòng)的因果網(wǎng)絡(luò)識(shí)別算法。 該方法可重現(xiàn)大規(guī)模復(fù)雜動(dòng)態(tài)系統(tǒng)內(nèi)在的因果網(wǎng)絡(luò),有助于分析實(shí)際系統(tǒng)演化的本質(zhì)機(jī)制和規(guī)律。 該研究成果于5月26日以《部分交叉映射消除間接因果影響》為題在線發(fā)表在綜合性學(xué)術(shù)期刊《自然通訊》上。
傳統(tǒng)基于統(tǒng)計(jì)學(xué)和信息論的因果分析方法復(fù)旦大學(xué)網(wǎng)絡(luò)學(xué)院,如格蘭杰因果關(guān)系、傳遞熵等方法,要求變量因素之間具有可分離性條件,即原因信息與結(jié)果信息需要分離。 然而,在現(xiàn)實(shí)世界中,特別是在非線性復(fù)雜動(dòng)態(tài)系統(tǒng)產(chǎn)生的多維時(shí)間序列中,這樣的可分離性條件無(wú)法滿足,因果機(jī)制往往交織在同一時(shí)間序列中。 另一方面,由于多個(gè)變量之間因果關(guān)系的傳遞性,且直接因果關(guān)系能夠反映現(xiàn)象之間本質(zhì)的內(nèi)在機(jī)制,因此開發(fā)有效可靠的算法來(lái)區(qū)分復(fù)雜動(dòng)態(tài)系統(tǒng)中的直接因果關(guān)系和間接因果關(guān)系變得非常重要。 重要的科學(xué)問題。 面對(duì)這些問題,本研究利用動(dòng)力系統(tǒng)理論明確了可分離條件的嚴(yán)格數(shù)學(xué)機(jī)制復(fù)旦大學(xué)網(wǎng)絡(luò)學(xué)院,并綜合運(yùn)用相空間重構(gòu)、交叉映射、偏相關(guān)系數(shù)等動(dòng)態(tài)和統(tǒng)計(jì)算法英語(yǔ)作文網(wǎng),建立了一種新的偏交叉映射該方法實(shí)現(xiàn)了非線性動(dòng)態(tài)系統(tǒng)中直接因果關(guān)系和間接因果關(guān)系的區(qū)分,從而為大規(guī)模數(shù)據(jù)中識(shí)別可信因果網(wǎng)絡(luò)提供了可靠的算法。 該算法已應(yīng)用于生態(tài)系統(tǒng)、環(huán)境與疾病相互作用系統(tǒng)、基因調(diào)控網(wǎng)絡(luò)等許多實(shí)際問題中。 它成功地再現(xiàn)了這些復(fù)雜動(dòng)態(tài)演化系統(tǒng)的內(nèi)在因果網(wǎng)絡(luò),為進(jìn)一步理解系統(tǒng)演化的基本機(jī)制提供了基礎(chǔ)。 提供方法論基礎(chǔ)。
該研究進(jìn)一步完善了復(fù)雜系統(tǒng)因果分析的現(xiàn)有理論體系,為多學(xué)科共性科學(xué)問題提供了有效的數(shù)學(xué)方法,在數(shù)據(jù)驅(qū)動(dòng)研究領(lǐng)域具有廣闊的應(yīng)用前景,體現(xiàn)了應(yīng)用數(shù)學(xué)研究的價(jià)值。 中國(guó)科學(xué)院林偉教授、陳洛南研究員、東京大學(xué)相原一幸教授為該論文的共同通訊作者。 畢業(yè)于復(fù)旦大學(xué)數(shù)學(xué)科學(xué)學(xué)院的冷斯陽(yáng)博士為該論文的第一作者。 該研究得到國(guó)家自然科學(xué)基金委、教育部腦科學(xué)前沿中心、科技部重大研究計(jì)劃、上海市科委項(xiàng)目的支持。