Predicting future dynamics from short-term time series using an Anticipated Learning Machine

Predicting time series has significant practical applications over different disciplines. Here, we propose an Anticipated Learning Machine (ALM) to achieve precise future-state predictions based on short-term but high-dimensional data. From non-linear dynamical systems theory, we show that ALM can transform recent correlation/spatial information of high-dimensional variables into future dynamical/temporal information of any target variable, thereby overcoming the small-sample problem and achieving multistep-ahead predictions. Since the training samples generated from high-dimensional data also include information of the unknown future values of the target variable, it is called anticipated learning. Extensive experiments on real-world data demonstrate significantly superior performances of ALM over all of the existing 12 methods. In contrast to traditional statistics-based machine learning, ALM is based on non-linear dynamics, thus opening a new way for dynamics-based machine learning.     

基于表示学习的双层知识网络链路预测

当前,针对知识网络的链路预测主要是基于网络拓扑结构的相似性,很少考虑作者的研究领域,导致信息利用不充分等问题,因此本文提出了双层知识网络的链路预测框架hypernet2vec。双层知识网络,即作者合著关系网络和学术领域关系网络,利用网络表示学习,分别将两层网络中的节点映射到低维的向量空间,再输入到专门设计的卷积神经网络中计算并进行链路预测。与经典的链路预测指标如RA指标、LP指标和LRW指标等相比,hypernet2vec模型预测的AUC(area under curve)值取得了显著的提升,平均提升幅度达11.17%。文章还从情报产生层面和复杂系统层面,对模型发生作用的深层机理进行了探讨。     

图书馆信息学与新文科交叉领域的关系预测研究

[目的/意义]论文回答的研究问题是:在新文科建设背景下,图书馆信息学与数据科学、数字人文与健康信息学等新文科交叉领域的关系发展的未来前景是什么?[方法/过程]论文从现有研究文献中图书馆信息学与数字人文、数据科学、健康信息学三个新文科交叉领域的关系类型出发,设计了民族志未来访谈,邀请三十四位国内图书馆信息学和情报学等学科的学者提炼这四个学科(领域)的核心竞争力,判断其相互间价值,并预测2030年最乐观、最悲观和最有可能的发展前景。[结果/结论]图书馆信息学与数字人文、与数据科学、与健康信息学在2030年更有可能出现的前景是并列有交集的关系,健康信息学相对更可能成为图书馆信息学的下位类,数据科学与图书馆信息学的关系相对更独立。     

基于隐马尔科夫模型的VLCC目的港预测

超大型油船(very large crude carrier,VLCC)目的港预测对海运原油流向预测以及货源地未来运力估计具有重要作用。针对VLCC的AIS目的港信息存在缺失、更新不及时、不准确等现象,提出一种基于隐马尔科夫模型的VLCC目的港预测方法。分析船舶AIS轨迹数据,得到油船历史停靠港口序列;根据VLCC轨迹提取习惯航路,以航路中的交叉点为依据设置观测线;利用船舶航行轨迹数据判断船舶是否经过观测线以及经过观测线的方向,对不同方向分别计算船舶在挂靠港间的转移概率矩阵和船舶挂靠港与观测线间的输出概率矩阵,建立VLCC目的港预测模型并进行预测。研究结果表明：在大多数情况下VLCC目的港预测的准确率可以达到70%以上;航线越固定、运行越规律的船舶,预测准确率越高;船舶越靠近目的港,预测越准确;重载状态下的船舶目的港预测更准确。     

基于DE-SVM的船舶航迹预测模型

为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。     

基于局部信息相似性的学科引证知识扩散动态链路预测研究

在知识经济时代,学科知识的传播与扩散促进了学科的协同、交叉、融合、发展与创新。文章利用复杂网络算法对学科引证知识扩散时序演化网络进行动态链路预测分析,以期探索学科知识流动结构变化及演进态势,为学科知识管理及决策制定提供可资借鉴的理论和实践参考。文章以学科引证知识扩散时序演化网络结构信息为基础,采用10项基于局部信息的相似性指标分别对无权和加权知识扩散网络进行动态链路预测分析,并将各指标的预测性能进行了对比。最后,利用无权RA指标和加权AA指标对学科引证知识扩散态势进行了预测。研究表明:不同指标的预测精度在不同的时间段内会动态变化;在学科引证知识扩散网络中,存在一定程度的弱连接效应;不同链路预测指标在无权和加权学科引证知识扩散网络中的适用性存在一定差异。     

混沌时间序列单变量和多变量重构的预测比较

提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法，给出了多变量混沌时间序列的局部平均预测法，局部线性预测法和BP神经网络预测法等3种非线性预测方法．通过Lorenz系统的仿真计算表明，无论用3种非线性预测方法中的哪一种，多变量混沌时间序列要比单变量混沌时间序列的预测误差小得多，即使前的数据长度只有后的一半，前的预测误差也要小很多．另外从预测误差最小的角度验证了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数选取方法的有效性．     

基于卡尔曼滤波的PS-InSAR地表形变预测方法

PS-InSAR是用于监测大范围地表形变的微波遥感技术,可提供精确地表形变信息,但该技术无法对形变趋势进行预测。现有形变预测方法只能预测少数监测点的形变,不适用于大面积预测。针对这些问题,提出一种基于卡尔曼滤波的PS-InSAR地表形变预测方法。结合PS-InSAR方法的技术流程,从理论上推导设计卡尔曼滤波器,通过真实的多时相SAR数据对该方法进行验证。实验结果表明,该算法可充分利用PS-InSAR形变监测信息,有效预测大面积观测区域的形变趋势。     

Quiet eye training aids the long-term learning of throwing and catching in children: Preliminary evidence for a predictive control strategy

Abstract

Quiet eye training (QET) may be a more effective method for teaching children to catch than traditional training (TT) methods, but it is unclear if the benefits accrued persist in the long term. Thirty children were randomly allocated into a QET or TT group and, while wearing a mobile eye tracker, underwent baseline testing, training and two retention tests over a period of eight weeks, using a validated throw and catch task. During training, movement-related information was provided to both groups, while the QET group received additional instruction to increase the duration of their targeting fixation (QE1) on the wall prior to the throw, and pursuit tracking (QE2) period on the ball prior to catching. In both immediate (R1) and delayed (R2, six weeks later) retention tests, the QET group had a significantly longer QE1 duration and an earlier and longer QE2 duration, compared to the TT group, who revealed no improvements. A performance advantage was also found for the QET compared to the TT group at both R1 and R2, revealing the relatively robust nature of the visuomotor alterations. Regression analyses suggested that only the duration of QE1 predicted variance in catch success post-training, pointing to the importance of a pre-programming visuomotor strategy for successful throw and catch performance.     

河北省人口老龄化趋势预测及对策研究

运用Elman神经网络模型对2010—2050年河北省人口数进行预测,经过分析得出,河北省的人口老龄化具有以下几个特征:老年人口规模庞大,增长迅速;老龄化程度超前于河北省的经济发展水平,社会负担沉重;老年人口的高龄化趋势明显;老年人口的性别差异较大;老年人口的分布具有明显的差异性等。根据这些特征为河北省应对人口老龄化提供了一些对策建议。