CAA會士面對面系列活動是中國自動化學(xué)會為學(xué)會會士量身打造的高端學(xué)術(shù)交流平臺，每期活動邀請1位或數(shù)位學(xué)會會士進行專題報告，圍繞國際科技熱點，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”的報告。

  浙江大學(xué)/華東交通大學(xué)趙春暉教授作報告

工業(yè)界的測量數(shù)據(jù)大部分為時序數(shù)據(jù)。其中，混合時序數(shù)據(jù)（包含離散變量和連續(xù)變量的時間序列數(shù)據(jù)）的時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序數(shù)據(jù)中的適用性。針對典型混合變量場景下的時序因果關(guān)系挖掘任務(wù)及其關(guān)鍵的信息不對稱問題

趙老師在報告中首先揭示了離散觀測變量的隱連續(xù)性機制，離散變量背后的潛在連續(xù)變量包含更細粒度的信息，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)，趙老師團隊研究可以實現(xiàn)高維場景下的非線性時序因果關(guān)系挖掘。所提出方法在格蘭杰因果推斷領(lǐng)域的16個子數(shù)據(jù)集上進行了驗證，精度達到SOTA。最后趙老師介紹了研究工作曾獲華為火花價值獎。在該研究基礎(chǔ)上，團隊的后續(xù)工作基于潛在連續(xù)性的認知，提出了首個混合時間序列的通用模型，為時序分類，外生回歸、長期預(yù)測、短期預(yù)測、缺失填補、異常檢測六大時序建模任務(wù)設(shè)計了針對性的下游網(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3萬余人次在線觀看直播。

來源：中國自動化學(xué)會