复杂网络的通用结构估计器与动力学近似器
物理与社会
2018-04-04 v1 数据分析、统计与概率
摘要
从观测数据揭示复杂网络系统的结构和动力学对科学、工程和社会具有根本重要性。是否可能开发一个通用的、完全数据驱动的框架，以破译复杂网络上的网络结构及各类动力学过程，而不拘其细节？我们提出了一种基于马尔可夫网络的模型——稀疏动力学玻尔兹曼机（SDBM），作为通用网络结构估计器和动力学近似器。SDBM根据其原始系统的拓扑构建，并能够模拟原始动力学过程。我们开发了基于压缩感知和机器学习的全自动化方法来求解SDBM。针对模型和真实世界复杂网络上的大量代表性动力学过程，我们证明了等效SDBM能够恢复原始系统的网络结构，并高精度预测其动力学行为。
引用
@article{arxiv.1611.01849,
title = {Universal structural estimator and dynamics approximator for complex networks},
author = {Yu-Zhong Chen and Ying-Cheng Lai},
journal= {arXiv preprint arXiv:1611.01849},
year = {2018}
}