講座時(shí)間：2017年12月1日上午10:00
講座地點(diǎn)：數(shù)學(xué)與計(jì)算機(jī)學(xué)院大會(huì)議室（A4008）
主辦單位：數(shù)學(xué)與計(jì)算機(jī)學(xué)院
主講人簡(jiǎn)介：陳洛南，1984年獲華中科技大學(xué)電氣工程學(xué)士學(xué)位；1988年獲日本東北大學(xué)系統(tǒng)科學(xué)碩士學(xué)位；1991年獲日本東北大學(xué)系統(tǒng)科學(xué)博士學(xué)位。1997年起任日本大阪產(chǎn)業(yè)大學(xué)副教授；2000年起任美國(guó)加州大學(xué)洛杉磯分校(UCLA)訪問教授；2002年起任日本大阪產(chǎn)業(yè)大學(xué)教授；2007年上海大學(xué)系統(tǒng)生物技術(shù)研究所所長(zhǎng)（兼）；2009年4月起任日本東京大學(xué)（兼）研究教授；2009年10月起任中科院系統(tǒng)生物學(xué)重點(diǎn)實(shí)驗(yàn)室執(zhí)行主任，研究員，博士生導(dǎo)師，研究組組長(zhǎng)。目前，在計(jì)算系統(tǒng)生物學(xué)領(lǐng)域的主要國(guó)際學(xué)術(shù)期刊都擔(dān)任重要工作，在日本和美國(guó)從事科研教學(xué)工作等25年以上，近六年來，在系統(tǒng)生物學(xué)研究領(lǐng)域發(fā)表了100篇以上原創(chuàng)性研究論文。包括PNAS、NAR、Plos CB、Bioinformatics等國(guó)際重要期刊。同時(shí)，出版專著2本?，F(xiàn)為國(guó)家基金委數(shù)理學(xué)部、信息學(xué)部會(huì)評(píng)專家。承擔(dān)國(guó)家基金委重大項(xiàng)目、“973計(jì)劃項(xiàng)目”、中科院先導(dǎo)項(xiàng)目等國(guó)家重大項(xiàng)目多項(xiàng)。
研究方向：生物信息學(xué)、計(jì)算系統(tǒng)生物學(xué)及網(wǎng)絡(luò)生物學(xué)
研究工作：生物信息學(xué)、網(wǎng)絡(luò)生物學(xué)及計(jì)算系統(tǒng)生物學(xué)等領(lǐng)域的研究工作
報(bào)告題目和摘要：
Title：Detecting Causality from Nonlinear Dynamics with Short-term Time Series
Speaker：Luonan Chen, Shanghai Institutes for Biological Sciences, Chinese Academy of Sciences
Abstract：Quantifying causality between variables from observed time series data is of great importance in various disciplines but also a challenging task, especially when the observed data are short. Unlike the conventional methods, we developed a new framework to detect causality only with very short time series data, based on embedding theory of an attractor for nonlinear dynamics. Specifically, we first show that measuring the smoothness of a cross map between two observed variables can be used to detect a causal relation. Then, we provide a very effective algorithm to computationally evaluate the smoothness of the cross map, or ‘‘Cross Map Smoothness’’ (CMS), and thus to infer the causality, which can achieve high accuracy even with very short time series data. Analysis of both mathematical models from various benchmarks and real data from biological systems validates our method.
