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-集智俱乐部

直播预告

2月23日(周日)20:00-22:00,集智复杂系统自动建模读书会将进行第一期的论文分享直播,欢迎感兴趣的朋友参与。



基于动力学的网络重构


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。nn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。"]]">

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


主讲人:胡国辉

中国科学技术大学流体力学专业博士,上海大学上海市应用数学和力学研究所教授。目前已在Nanotechnology、Journal of Chemical Physics、Biomechanics and Modeling in Mechanobiology、Physics of Fluids、Science China等国内外期刊上发表学术论文60 余篇,已主持5 项国家自然科学基金项目的研究。目前的主要研究方向是微纳尺度流体力学和流动稳定性。
  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-集智俱乐部

直播地址:集智俱乐部 B 站直播间


👀关注B站主播“集智俱乐部
不错过每一场集智重磅直播


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-集智俱乐部
直播地址:
https://live.bilibili.com/8091531
直播时间 :20:00-22:00



复杂系统自动建模

读书会公开招募


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。nn报名链接:nn"],[20,"复杂系统自动建模读书会(放入报名的链接)","1:"%23f9eda6""],[20,"n"]]">

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。

线上一起读论文——“复杂系统自动建模读书会”开放招募 | 云科研小组


 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-集智俱乐部  
第一步:扫码填写报名信息。
第二步:信息填写之后,会弹出对应的负责人微信二维码,截图扫码添加二维码即可。
第三步:添加负责人微信号,支付保证金。
第四步:拉入群聊。
 
我们也会对每次分享的内容进行录制,剪辑后发布在集智学园的官网上,欢迎大家关注!

编辑:张爽



资料回看


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n"]]">

已解读过的具体的内容和视频可以看下面的视频资料:


    http://campus.swarma.org/play/coursedetail?id=11073

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

简评:这篇文章关注的是网络推断任务,即从观测数据中推断出各个节点之间的连接,并且预测节点的未来时刻动力学状态。文章的解决思路是使用 VAE 的框架,并且加入元学习(meta-learning)的方法,提升了准确率和效率。在解读时,我会首先解释元学习(meta learning)的概念,VAE 解决网络推断问题的框架,以及 meta-learning 方法是如何被应用于网络推断任务的。我也会分析 meta learning 可以为任务加速的原因。标签:元学习 / VAE / 方法论 / 图网络。



    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




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-集智俱乐部


集智俱乐部QQ群|877391004
商务合作及投稿转载|swarma@swarma.org

◆ ◆ 

搜索公众号:集智俱乐部


加入“没有围墙的研究所”

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-集智俱乐部

让苹果砸得更猛烈些吧!



👇点击“阅读原文”,了解更多论文信息