节点动力学含随机噪声的复杂动力网络拓扑结构识别.pptVIP

基于自适应同步的网络结构识别 陆君安 School of Mathematics and Statistics, Wuhan University E-mail: jalu@whu.edu.cn （复杂网络论坛,北京,April.27-29th,2011) Collaborators Abstract 复杂动力网络的结构识别是目前复杂网络研究中的一个前沿重要方向。本文主要介绍基于自适应同步的网络动力学参数和拓扑识别方法，指出动力学信息对于结构识别并非充分的，如果需要同时识别网络拓扑结构和动力学参数，则需要满足经内连映射和节点动力学映射后的两簇函数组在同步流形上线性无关的条件。进一步分析了阻碍网络拓扑识别的因素，并介绍了网络拓扑识别的某些最新的工作。其中包括我们自己的一些工作。 Outline 1. 导言 2. 基于自适应同步的网络结构识别方法 3. 影响结构识别的因素 4. 某些新的识别方法和待研究的问题 1. 导 言 导 言 已有研究大多是基于网络结构已知的动力学的控制和同步。然而现实世界中的复杂网络存在各种不确定性的信息，网络的结构包括网络的拓扑连接、节点动力学参数等，往往只有部分已知，并且还不断地变化，例如基因表达网络、蛋白质的DNA结构、能量网络、生物神经网络。因此，如何利用观测到的节点动力学的信息来辨识网络的结构，具有重大的理论和应用价值，它也是分析、控制和预测真实的复杂网络动力学行为的先决条件。因此，目前网络的拓扑识别得到研究者的广泛关注。 导 言 如果说已知网络拓扑结构条件下网络动力学的控制和同步问题是复杂动力网络正问题的话，则网络拓扑结构的识别属于复杂动力网络的反演问题（或者反问题），显然，反问题比正问题困难，而且一般来说反问题的解是不唯一的，解反问题是需要附加补充条件的。 类似：CT-计算机x光断层造影术，地球物理反演（geophysical inversion） 导 言 对于单个非线性或混沌系统的未知参数的估计问题已经有不少研究。对于复杂动力学网络的结构识别问题，目前已经获得一些重要进展，例如 [1] D. Yu, M. Righero, L. Kocarev. Estimating topology of network[J].Phys. Rev. Lett., 2006,97: 188701. [2] W.K.S. Tang, M. Yu and L. Kocarev. Identification and monitoring of biological neural network[C]. IEEE International Symposium on Circuits and Systems, 2007. [3] W. Lin, H. Ma. Failure of parameter identification based on adaptive synchronization techniques[J]. Phys. Rev. E, 2007, 75: 066212. [4] W. Yu, G. Chen, J. Cao, J. Lü, U. Parlitz. Parameter identification of dynamical systems from time series[J]. Phys. Rev. E, 2007, 75(6): 067201. [5] J. Zhou, J. Lu. Topology identification of weighted complex dynamical networks[J]. Physica A, 2007, 386(1): 481-491. [6] X. Wu. Synchronization-based topology identification of weighted general complex dynamical networks with time-varying coupling delay[J]. Physica A, 2008, 387: 997-1008. 导 言 [7] Hui Liu, Jun-an Lu, and Jinhu Lü , David John Hill.Structure Identification of Uncertain General Complex Dynamical Networks with Time Delay[J].Automatica-REGULAR PAPERS, 2009 ，45 ：1799－1807. [8] Liang Chen, Jun-an Lu, and Chi K. Tse. Synchronization: