Mathematical biology
- fibonacci, epidemiology models, turing reaction-diffusion equation, ANN
- Intracellular — tissue/organ — physiological levels
- BCS lab: circadian rhythms, sleep, psychiatry disorders
- Biological data: noisy & large ⇒ we need models!
- DE, parameter inference, DL, topological data analysis
Researches
모델링을 수리생물로 봐야 하나 생물물리로 봐야 하나
수학에서 쓰이는 ‘~할 수 있다’ 꼴의 theorem을 통해서 가능성을 보고 접근하는 게 얼마나 도움이 되는가? 예를 들어 벨만 방정식은 이렇게 하면 무조건 수렴함이 보장된다 이렇게 얘기해도 실제 강화학습 문제에서는 무조건 그런 것도 아니고, 해석적으로 전혀 풀리지도 않고 증명되지도 않은 것들이 적절한 인사이트나 approximation을 통해 풀리기도 하지 않는가.
- Kalman filter → signal decomposition
- Kalman filter의 단점에 대해서는 듣긴 했는데, 이 filter가 약한 데이터는? Wearable 기기 데이터에서 얻은 circadian rhythm으로부터 건강 상태를 detect하는 task에 Kalman filter가 잘 먹힌 이유는?
- Betti number (topological data analysis)
- Betti number가 DL에서 보통 learnable하지 않은 이유는? TDA가 도움이 되는 데이터의 종류는?
- 노이즈 어느 이상이면 잘 안됨