CAA會士面對面系列活動是中國自動化學會為學會會士量身打造的高端學術交流平臺，每期活動邀請1位或數位學會會士進行專題報告，圍繞國際科技熱點，聚焦國家創新發展戰略需求，前瞻學科領域發展新方向，積極發揮學術引領和科技智庫作用，展現重大學術咨詢研究成果，引導社會尊崇科學思想和方法，促進公眾提升科學意識和素養。
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，中國自動化學會會士、浙江大學/華東交通大學趙春暉教授作題為“混合異構時序數據的信息不對稱問題與任務導向的通用模型研究——從因果分析說起”的報告。
浙江大學/華東交通大學趙春暉教授作報告
工業界的測量數據大部分為時序數據。其中，混合時序數據（包含離散變量和連續變量的時間序列數據）的時序因果挖掘是新興且極具挑戰的任務。由于離散變量和連續變量信息粒度和分布類型的不一致，導致混合變量的因果關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據中的適用性。針對典型混合變量場景下的時序因果關系挖掘任務及其關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性機制，離散變量背后的潛在連續變量包含更細粒度的信息，并與所觀測到的連續變量相互作用；通過利用這些相互作用關系建立起信息傳遞的監督任務，可以恢復離散變量的潛在連續性。受此認知啟發，趙老師介紹了在連續變量的監督下，自適應地恢復離散變量的潛在連續性，并在共同的連續值空間中挖掘顯著的因果關系；此外，結合稀疏輸入神經網絡的深度優化技術，趙老師團隊研究可以實現高維場景下的非線性時序因果關系挖掘。所提出方法在格蘭杰因果推斷領域的16個子數據集上進行了驗證，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。在該研究基礎上，團隊的后續工作基于潛在連續性的認知，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、長期預測、短期預測、缺失填補、異常檢測六大時序建模任務設計了針對性的下游網絡結構和模型優化方案，并使得下游任務的優化與潛在連續性恢復相輔相成，實現了任務導向的隱連續性恢復。
清華大學助理研究員楊赟杰擔任主持人
本次活動由清華大學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。
