基于动态模态分解的随机耦合振子网络功能社群检测
适应与自组织系统
2021-10-13 v2 社会与信息网络
动力系统
数据分析、统计与概率
摘要
动态模态分解（DMD）是一种用于分析由动力系统生成的时间序列的无模型通用框架。我们开发了一种基于DMD的算法，以研究耦合异质Kuramoto振子网络中“功能社群”的形成。在这些功能社群中，网络中的振子具有相似动力学。我们考虑两种常见的随机图模型（Watts–Strogatz网络与Barabási–Albert网络），其中振子间具有不同程度的异质性。在计算中，我们发现社群归属反映了振子间锁相建立与维持的程度。我们构建了森林图，以阐明异质振子彼此关联与脱离的复杂方式。
引用
@article{arxiv.2103.14763,
title = {Detection of Functional Communities in Networks of Randomly Coupled Oscillators Using the Dynamic-Mode Decomposition},
author = {Christopher W. Curtis and Mason A. Porter},
journal= {arXiv preprint arXiv:2103.14763},
year = {2021}
}