相关矩阵包含有关动态系统的各种时空信息。根据少数节点的部分时间序列信息预测相关矩阵可以表征整个底层系统的时空动态。这些信息有助于预测底层网络结构,例如,根据脉冲数据推断神经元连接、根据表达数据推断基因之间的因果依赖关系以及发现气候变化的长空间范围影响。预测相关矩阵的传统方法利用底层网络所有节点的时间序列数据。在这里,我们使用监督机器学习技术,根据少数随机选择的节点的有限时间序列信息来预测整个系统的相关矩阵。预测的准确性验证了仅整个系统子集的有限时间序列就足以做出良好的相关矩阵预测。此外,使用无监督学习算法,我们可以深入了解模型预测的成功率。最后,我们将此处开发的机器学习模型应用于真实世界的数据集。
主要关键词