CAA會士面對面系列活動(dòng)是中國自動(dòng)化學(xué)會為學(xué)會會士量身打造的高端學(xué)術(shù)交流平臺,每期活動(dòng)邀請1位或數(shù)位學(xué)會會士進(jìn)行專題報(bào)告,圍繞國際科技熱點(diǎn),聚焦國家創(chuàng)新發(fā)展戰(zhàn)略需求,前瞻學(xué)科領(lǐng)域發(fā)展新方向,積極發(fā)揮學(xué)術(shù)引領(lǐng)和科技智庫作用,展現(xiàn)重大學(xué)術(shù)咨詢研究成果,引導(dǎo)社會尊崇科學(xué)思想和方法,促進(jìn)公眾提升科學(xué)意識和素養(yǎng)。
2024年第4期,總第二十六期“會士面對面”講座于6月24日成功召開,中國自動(dòng)化學(xué)會會士、浙江大學(xué)/華東交通大學(xué)趙春暉教授作題為“混合異構(gòu)時(shí)序數(shù)據(jù)的信息不對稱問題與任務(wù)導(dǎo)向的通用模型研究——從因果分析說起”的報(bào)告。
浙江大學(xué)/華東交通大學(xué)趙春暉教授作報(bào)告
工業(yè)界的測量數(shù)據(jù)大部分為時(shí)序數(shù)據(jù)。其中,混合時(shí)序數(shù)據(jù)(包含離散變量和連續(xù)變量的時(shí)間序列數(shù)據(jù))的時(shí)序因果挖掘是新興且極具挑戰(zhàn)的任務(wù)。由于離散變量和連續(xù)變量信息粒度和分布類型的不一致,導(dǎo)致混合變量的因果關(guān)系挖掘存在信息不對稱問題,不可避免地阻礙了主流因果挖掘方法在混合時(shí)序數(shù)據(jù)中的適用性。針對典型混合變量場景下的時(shí)序因果關(guān)系挖掘任務(wù)及其關(guān)鍵的信息不對稱問題
趙老師在報(bào)告中首先揭示了離散觀測變量的隱連續(xù)性機(jī)制,離散變量背后的潛在連續(xù)變量包含更細(xì)粒度的信息,并與所觀測到的連續(xù)變量相互作用;通過利用這些相互作用關(guān)系建立起信息傳遞的監(jiān)督任務(wù),可以恢復(fù)離散變量的潛在連續(xù)性。受此認(rèn)知啟發(fā),趙老師介紹了在連續(xù)變量的監(jiān)督下,自適應(yīng)地恢復(fù)離散變量的潛在連續(xù)性,并在共同的連續(xù)值空間中挖掘顯著的因果關(guān)系;此外,結(jié)合稀疏輸入神經(jīng)網(wǎng)絡(luò)的深度優(yōu)化技術(shù),趙老師團(tuán)隊(duì)研究可以實(shí)現(xiàn)高維場景下的非線性時(shí)序因果關(guān)系挖掘。所提出方法在格蘭杰因果推斷領(lǐng)域的16個(gè)子數(shù)據(jù)集上進(jìn)行了驗(yàn)證,精度達(dá)到SOTA。最后趙老師介紹了研究工作曾獲華為火花價(jià)值獎(jiǎng)。在該研究基礎(chǔ)上,團(tuán)隊(duì)的后續(xù)工作基于潛在連續(xù)性的認(rèn)知,提出了首個(gè)混合時(shí)間序列的通用模型,為時(shí)序分類,外生回歸、長期預(yù)測、短期預(yù)測、缺失填補(bǔ)、異常檢測六大時(shí)序建模任務(wù)設(shè)計(jì)了針對性的下游網(wǎng)絡(luò)結(jié)構(gòu)和模型優(yōu)化方案,并使得下游任務(wù)的優(yōu)化與潛在連續(xù)性恢復(fù)相輔相成,實(shí)現(xiàn)了任務(wù)導(dǎo)向的隱連續(xù)性恢復(fù)。
清華大學(xué)助理研究員楊赟杰擔(dān)任主持人
本次活動(dòng)由清華大學(xué)助理研究員楊赟杰主持,通過騰訊會議、CAA會議小程序、CAA官方視頻號、學(xué)會微博官方賬號、B站、科界、蔻享、抖音等平臺全程直播,共計(jì)3萬余人次在線觀看直播。
來源:中國自動(dòng)化學(xué)會