加权网络中附加噪声的高阶结构变异性

从神经元网络的放电活动到颗粒材料中的力链，许多现实系统的行为依赖于由强相互作用和弱相互作用共同构成的网络。这些相互作用产生了复杂的高阶系统行为，并作为网络的边被数据所编码。然而，区分真实的弱边与由噪声引起的低权重边仍是一项挑战。我们通过考察添加到模型网络中的含噪弱边的高阶结构来解决此问题。我们发现低权重噪声边的结构随其所添加模型网络的拓扑结构而变化。通过更仔细地研究这种变异，我们看到至少出现了三类定性的噪声结构。此外，我们观察到噪声边的结构包含足够的模型特定信息，能够以中等准确度对模型网络进行分类。最后，我们给出了可驱动附加噪声边中不同类型结构的网络生成规则。我们的结果表明，噪声并非呈现为单一的干扰源，而是作为表征高阶网络相互作用中一种细微的、依赖于拓扑的、甚至是有用的实体。因此，我们通过接纳噪声在此类相互作用中的角色，提供了一种替代的噪声管理方法。