• <tr id='HLIcz6'><strong id='HLIcz6'></strong><small id='HLIcz6'></small><button id='HLIcz6'></button><li id='HLIcz6'><noscript id='HLIcz6'><big id='HLIcz6'></big><dt id='HLIcz6'></dt></noscript></li></tr><ol id='HLIcz6'><option id='HLIcz6'><table id='HLIcz6'><blockquote id='HLIcz6'><tbody id='HLIcz6'></tbody></blockquote></table></option></ol><u id='HLIcz6'></u><kbd id='HLIcz6'><kbd id='HLIcz6'></kbd></kbd>

    <code id='HLIcz6'><strong id='HLIcz6'></strong></code>

    <fieldset id='HLIcz6'></fieldset>
          <span id='HLIcz6'></span>

              <ins id='HLIcz6'></ins>
              <acronym id='HLIcz6'><em id='HLIcz6'></em><td id='HLIcz6'><div id='HLIcz6'></div></td></acronym><address id='HLIcz6'><big id='HLIcz6'><big id='HLIcz6'></big><legend id='HLIcz6'></legend></big></address>

              <i id='HLIcz6'><div id='HLIcz6'><ins id='HLIcz6'></ins></div></i>
              <i id='HLIcz6'></i>
            1. <dl id='HLIcz6'></dl>
              1. <blockquote id='HLIcz6'><q id='HLIcz6'><noscript id='HLIcz6'></noscript><dt id='HLIcz6'></dt></q></blockquote><noframes id='HLIcz6'><i id='HLIcz6'></i>

                1月3日 林伟教授学术报告(数学与统计学院)

                作者:时间:2020-01-01浏览:157设置

                报 告 人: 林伟 教授

                报告题目:Time series analytics: Causation detections and dynamics predictions

                报告时间:2019年1月3日(周五)下午15:00-17:00

                报告地点:静远楼204学术报告厅

                主办单位:数学与统计学院、科学技术研究院▼

                报告人简介:

                       林 伟,复旦大学数学科学学院教授、博士生导师。2003年1月博士毕业于复旦大学。目前任教育部脑科学前沿科学中心副主任、教育部计算神经科学与类脑智能重点实验室副主任、复旦大学类脑人工智能科学与技术研究院副院长、复旦大学︽计算系统生物学中心主任。2019年获国家杰出青年基金,2018年获选国家重点研发计划重点项目负责人,2013年获基金委优秀青年基金,2011年入选教育部新世纪人才计划;还任IEEE高级会员、中国工业与应用数学学会数学生命科学专委会副主任委员、中国工业与应用数学学会复杂系统与复杂网络专委会委员、中国运筹学会计△算系统生物学分会常务理事、上海非线性科学研究会副理事长/秘书长;目前是国际期刊CHAOS编辑咨询委员会委员、IJBC副编辑;近5年连续入选Elsevier出版集团中国高被引学者榜单。主要在数据驱动、模型驱动两方面,展开问题驱动的数学与其他学科交叉交融的研究工作,用于推进现代生物数学与生物控制领域、人工智能领域、复杂网络控制领域等重要科学问题的解决,同时构建共性数学模型、设计一般计算方㊣法、发展基础动力学理论。相关研究成果发表于PNAS、PRL、CHAOS、SIAM汇刊、IEEE汇刊等。

                报告摘要:

                       In this plenary talk, I will introduce some of our recent works on time series analytics, including directional interactions detections and dynamics predictions. Based on the theory of nonlinear dynamical systems as well as machine learning techniques, we develop several data-driven and model-free frameworks for realizing detections and predictions. Through comparing our frameworks with other existing methods in the literature, we show the advantages of our frameworks when they are used to deal with the data produced numerically by dynamical oscillators and collected by real experiments as well.


                返回原图
                /