Speaker

　　Title

　　Time

　　Venue

腾讯会议室 ID：345-790-139

　　Abstract

　　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理论和系统科学方法，如基于动力系统的临界点预警方法、基于吸引子低维特性的时间序列预测理论、基于嵌入理论的因果关系推断算法、基于深度学习的非线性数据融合方法等。这些基于动力学的数据科学新理论与系统科学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。这些方法和理论可广泛应用于癌症转移与复发，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，对动力学和系统科学驱动的数据科学理论和算法发展有重要的推动作用。

　　Affiliation

　　陈洛南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。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、复杂网络和非线性动力学等研究领域发表了350余篇期刊论文及10余部编著书籍(H-index > 70 ; Citation > 20000)。