部分可观测性与空间有色噪声下网络动力学系统图的推断
机器学习
2023-12-19 v1 社会与信息网络
摘要
在网络动力学系统 (NDS) 中，每个节点都是一个其动力学与相邻节点动力学耦合的系统。全局动力学自然建立在这个耦合网络之上，并且通常受到具有非平凡结构的噪声输入激发。在许多应用中，底层网络是未知的，应从观测数据中推断出来。我们假设：i) 部分可观测性——时间序列数据仅在节点的子集上可用；ii) 输入噪声——它在不同节点间相关但在时间上独立，即它是空间有色的。我们提出了一个关于噪声相关结构的可行性条件，在此条件下存在一致的 Network 推断估计器，以恢复观测节点之间的底层基本依赖关系。此外，我们描述了一种结构识别算法，该算法在不同的网络连通性、可观测性和噪声相关性机制下均表现出具有竞争力的性能。
引用
@article{arxiv.2312.11324,
title = {Inferring the Graph of Networked Dynamical Systems under Partial Observability and Spatially Colored Noise},
author = {Augusto Santos and Diogo Rente and Rui Seabra and José M. F. Moura},
journal= {arXiv preprint arXiv:2312.11324},
year = {2023}
}
备注
Accepted at the IEEE ICASSP 2024. Camera-Ready Version