一种基于数据重建双态动力学复杂网络的通用方法

为了理解、预测和控制复杂网络系统，前提是从可观测数据重建网络结构。尽管在网络重建方面最近取得了进展，但在自然、技术和社会中普遍存在的双态动力学仍然是该领域的一个突出挑战。在此，我们提供了一种通过开发通用的基于数据的线性化方法来重建具有双态动力学的复杂网络的框架，该方法适用于由单调函数控制的具有线性、非线性、不连续或随机动力学的系统。线性化过程使我们能够将网络重建转化为稀疏信号重建问题，可通过凸优化解决。我们展示了对于许多与不同双态动力学相关的复杂网络，在使用受噪声和缺失数据污染的二进制数据时，通常具有很高的重建精度。我们的框架是完全数据驱动的、高效且鲁棒的，并且不需要任何关于网络上详细动力学过程的先验知识。该框架代表了一种用于重建、理解和利用具有双态动力学的复杂网络系统的通用范式。