基于数据的非线性复杂

动力系统中的辨识与预测问题

许多学科都涉及到非线性复杂动力系统的问题，如物理学、金融以及社会科学，而延迟坐标嵌入法是处理这类问题的经典方法，但在面对着更高维、更复杂的系统，它存在着诸多局限。当代图论发展迅速，在跨学科研究和工程实践中有着广泛的应用，将图、信息和非线性动力系统理论与统计、优化、工程控制、应用数学和科学计算等工具结合起来，可以开发出一系列范例来解决非线性复杂系统重构问题。该文描述了这一前沿和快速发展领域的最新进展，重点是压缩感知这一方法。将详述怎样利用压缩感知的方法来解决基于数据的非线性复杂网络系统中的各种问题。

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

直播地址：

https://live.bilibili.com/8091531

直播时间：20:00-22:00

论文题目：

Data based identification and prediction of nonlinear and complex dynamical systems

论文地址：

https://www.sciencedirect.com/science/article/abs/pii/S037015731630134X

论文作者：

Wen-Xu Wang，Ying-ChengLai，Celso Grebogie

主讲人简介：

弘明，北师大文学博士，兴趣在人工智能哲学与数字人文相关研究。

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。

线上一起读论文——“复杂系统自动建模读书会”开放招募

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：

http://campus.swarma.org/play/coursedetail?id=11202

论文题目：

From data to network structure——Reconstruction of dynamic networks

论文地址：

http://engine.scichina.com/doi/10.1360/SSPMA2019-0127

简评：大数据是一笔越来越重要并不断快速增长的财富，合理利用这一财富的关键是有效的分析手段。大数据中一大类数据是由复杂网络代表的实际动力学系统产生的，其中网络各个单元的输出数据可以测量，但产生数据的网络结构却不为所知；而了解这些网络结构对我们理解、预测和控制实际系统功能极为重要。因此，从分析网络数据出发揭示网络结构的重构问题就成为数学物理特别是统计物理以及一系列交叉领域对网络研究的核心问题之一。

http://campus.swarma.org/play/coursedetail?id=11153

论文题目：

Timme M, Casadiego J. Revealing networks from dynamics: An introduction

论文详情：

https://pattern.swarma.org/paper?id=a1b46292-4da3-11ea-8912-0242ac1a0005

简评：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。