利用混沌同步性自适应学习网络拓扑

在本文中，我们考虑同步演化的动力系统网络，并研究如何将来自同步动力学的动态信息有效用于学习网络拓扑，即识别网络节点间耦合的时间演化。为此，我们提出了一种自适应策略，该策略基于网络系统为维持同步而寻求最小化的势，可以成功应用于从有限信息中识别网络的时间演化。该策略利用了混沌同步性的特性以及网络链路上存在的不同通信延迟。作为一个启发性的例子，我们考虑了一个监测某区域的传感器网络，其中关于网络连接时间演化的信息可用于例如检测该区域内发生的变化。我们为该策略提出了两种不同的设置。在第一种设置中，仅基于代表来自网络中其他节点信号叠加的单一标量信号，必须在每个节点实现同步（以及识别网络链路上的耦合）。在第二种设置中，我们加入了一个额外的节点，称为 maestro，其功能是维持网络同步。我们将看到，当实现这种安排时，将能够有效地识别比没有 maestro 时大得多的网络的时间演化。