相互作用动力学单元网络中直接连接的精确检测
数据分析、统计与概率
2014-09-03 v3 神经元与认知
摘要
从由相互作用单元组成的复杂系统的局部观测中推断底层网络拓扑，通常尝试使用统计相似性度量，如互相关 (CC) 和互信息 (MI)。然而，不同单元之间直接连接的可能性在时间序列测量中受到阻碍。在此我们表明，对于所研究的一类系统，当有序排列的 CC 或 MI 值中存在突变时，即使存在观测噪声、非全同单元和耦合异质性，也可以无误地从时间序列测量中推断出底层网络拓扑。我们发现发生不连续性的一个必要条件是耦合单元的动力学具有部分相干性，即既非完全无序也非全局同步模式。我们在有效性、鲁棒性和可靠性方面批判性地比较了基于 CC 和 MI 的推断方法，并得出结论：总体而言，MI 在鲁棒性和可靠性方面优于 CC。我们的发现可能与功能网络的构建和解释相关，例如由大脑或气候数据构建的网络。
引用
@article{arxiv.1403.4839,
title = {Exact detection of direct links in networks of interacting dynamical units},
author = {Nicolás Rubido and Arturo C. Martí and Ezequiel Bianco-Martínez and Celso Grebogi and Murilo S. Baptista and Cristina Masoller},
journal= {arXiv preprint arXiv:1403.4839},
year = {2014}
}
备注
8 pages, 18 figures, 6 figure captions