多层神经网络中极端事件的传播

在先前的研究中，已广泛研究了极端事件在单层网络中的传播。本文将此调查扩展到探索极端事件在两个不同层之间的传播。我们考虑一个两层网络，其中一层是全耦合的并产生极端事件，而第二层保持非耦合状态。层间连接为单向或双向。我们发现，层之间的单向耦合可在非耦合层中诱导极端事件，而双向耦合则倾向于减轻全球耦合层中的极端事件。为刻画极端与非极端状态，我们使用概率图来识别参数空间中的不同区域。此外，我们研究了通过检查非耦合层中的各种网络拓扑来评估极端事件出现的鲁棒性。探讨了极端事件发生的机制，特别关注从非同步状态向完全同步的可激发状态的转变。对于数值模拟，我们在每个节点处使用非identical FitzHugh-Nagumo神经元，这捕捉了耦合层和非耦合层的动力学行为。我们的发现表明，非耦合层中的极端事件通过无序消失的渐进过程逐渐出现，伴随着偶尔的同步活动突发。本文所得结果将为理解现实网络中极端事件传播背后的动力学提供起点。