复杂扩散的形态学反演
物理与社会
2017-10-04 v2 无序系统与神经网络
摘要
流行病、神经级联、电力故障以及许多其他现象都可以用网络上的扩散过程来描述。为了确定传播的因果起源，通常需要识别触发性的初始节点。在此，我们定义了一个新的形态学算子，并利用它，在给定复杂网络最终状态的情况下，检测扩散前沿的源头。我们的方法表现优于随机试验以及基于中心性的方法。更重要的是，我们的方法无论正向模型的具体细节如何均适用，因此可应用于广泛的系统，例如识别流行病中的零号病人、精确定位触发级联的神经元、找出导致灾难性基础设施故障的原始故障，以及推断异质性种群演化所源自的祖先物种。
引用
@article{arxiv.1611.05058,
title = {Morphological Inversion of Complex Diffusion},
author = {V. AT. Nguyen and D. C. Vural},
journal= {arXiv preprint arXiv:1611.05058},
year = {2017}
}
备注
13 pages, 8 figures