基于动力学的网络重构 | 复杂系统自动机建模读书会第1期
基于动力学的网络重构
如何根据系统的群体动力学演化规律,对复杂网络的拓扑结构进行重构,是学术界面临的关键问题。本文在简单地引入了复杂网络的基本概念后,介绍了复杂网络中有效链接和结构链接两者之间的区别。文章中详细地回顾了基于群体动力学数据,重构网络中结构链接的三种主要基本方法,即驱动-响应方法、复制-同步方法和直接重构方法,并指出了每种方法的优缺点和适用范围;简略地介绍了基于相关函数和最大熵理论,重构有效链接的思路。
本文作者Marc Timme目前是德累斯顿工业大学(TU Dresden)教授,复杂网络系统研究的知名学者。写作此文时,他任德国马普动力学和自组织研究所的教授,并主持该所网络动力学课题组的研究工作。
论文题目:
Timme M, Casadiego J. Revealing networks from dynamics: An introduction
论文地址: https://pattern.swarma.org/paper?id=a1b46292-4da3-11ea-8912-0242ac1a0005
复杂系统自动建模
读书会公开招募
我们持续招募对复杂系统建模感兴趣,或正在进行相关研究的朋友,参与到《复杂系统自动建模》系列读书会中,研读经典论文,交流所思所想,激发科研灵感,促进科研合作。
报名方式:请扫下方小程序码,填写报名信息。
编辑:张爽
资料回看
已解读过的具体的内容和视频可以看下面的视频资料:
论文题目:
Neural Relational Inference with Fast Modular Meta-learning
论文详情:
https://pattern.swarma.org/paper?id=60b06e08-10b8-11ea-971d-0242ac1a0005
http://campus.swarma.org/play/coursedetail?id=11112
论文题目:
Deep Iterative and Adaptive Learning for Graph Neural Networks
论文详情:
https://pattern.swarma.org/paper?id=afcdf970-31b4-11ea-b31a-0242ac1a0005
简评:本文提出了一种端到端图学习框架,即图神经网络的深度迭代和在适应性机器学习学习框架 (DIAL-GNN) ,用于同时学习图的结构和图的嵌入,并能更好地完成下游任务。对于图结构学习方面,文章首先将图结构学习问题转化为一个相似度量学习问题,并利用一个自适应的图正则化,控制生成图的平滑性、连通性和稀疏性。并且文章进一步提出了一个迭代的方法来不断优化初始图结构,最终获得最优的图结构时,会使下游任务的准确率得到明显的提高。标签:图网络 / 方法论。
◆ ◆ ◆
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧!
👇点击“阅读原文”,了解更多论文信息