从不完整含噪数据自主推断复杂网络动力学
物理与社会
2022-03-28 v2
摘要
近年来，捕捉复杂网络系统结构与行为的经验数据可用性大幅提升，然而一个能从数据揭示复杂系统节点与交互动力学的通用计算工具箱仍付之阙如。本文提出一种用于自主推断复杂网络动力学的两阶段方法，并通过在多种合成与真实网络上推断神经元、基因、社会及耦合振子动力学的测试证明了其有效性。重要的是，该方法对不完整性与噪声具有鲁棒性，包括低分辨率、观测与动力学噪声、缺失与虚假连边，以及动力学异质性。我们将该两阶段方法应用于推断 H1N1 流感在全球航空网络上的早期传播动力学，且所推断的动力学方程也能捕捉 SARS 与 COVID-19 疾病的传播。这些发现共同为揭示广泛真实网络系统隐藏的微观机制提供了一条途径。
引用
@article{arxiv.2202.04297,
title = {Autonomous inference of complex network dynamics from incomplete and noisy data},
author = {Ting-Ting Gao and Gang Yan},
journal= {arXiv preprint arXiv:2202.04297},
year = {2022}
}