报告题目：动力学的机器学习方法和应用

报告人：陈洛南 教授

报告时间：2022年4月10日(周日) 8:00—10:00

报告地点：腾讯会议，ID: 552 554 381

报告摘要：近年的高通量组学技术的兴起为研究包括复杂疾病研究等提供了大数据的支持，这些不同来源、不同层面、不同尺度的数据组成生物医学等的多元异质大数据，具有很强的时空动态性。这些特性使得我们迫切需要研究数据时空特性的动力学分析方法，如基于动力系统的临界点预警方法、基于空间信息与时间信息转换的时序列预测理论、基于嵌入理论的因果关系推断算法等。这些基于动力学的数据科学及机器学习新理论与新方法能够帮助理解和预测复杂系统的动态发展，有助于分析复杂动态过程和机制，加速包括生物医学及人工智能等研究领域的步伐。特别是，复杂疾病系统发生发展过程普遍存在非线性临界现象，如何从网络或系统层面，科学地量化这样的临界点对于实现疾病的精准预测和疾病预防具有重要意义；空间-时间信息转换与因果推断方法也可广泛应用于癌症转移与复发，干细胞分化的动态机制，公共卫生实时监测、亚健康状态预警、时间序列预测、AI研究等方面，这些理论和方法对动力学驱动的机器学习算法发展有重要的推动作用。

报告人简介：陈洛南，获华中科技大学电气工程学士学位；获日本东北大学系统科学硕士学位；获日本东北大学系统科学博士学位。1997年起任日本大阪产业大学副教授；2000年起任美国加州大学洛杉矶分校(UCLA)访问教授；2002年起任日本大阪产业大学教授；2009年4月起任日本东京大学教授(兼)；2009年10月至今任中科院系统生物学重点实验室执行主任，研究员。现任中国生物化学与分子生物学会《分子系统生物学专业分会》主任委员，IEEE-SMC《系统生物学委员会》主席，中国运筹学会《计算系统生物学分会》名誉理事长。主要从事计算系统生物学、大数据分析和人工智能的研究工作。近年来，在系统生物学和复杂网络等研究领域发表了350余篇期刊论文及10余部编著书籍(Citation > 20000; H-index > 70)。

BETVLCTOR伟德官方网站

                  2022年4月5日