基于稀疏贝叶斯理论的网络重构研究.pdfVIP

摘要

网络是描述自然和社会中各种系统的重要模型，研究网络的拓扑结构是理解其功能

和集体行为的基础．但实际中网络的拓扑结构往往是未知的，因此利用可获得的数据重

构网络的拓扑结构是网络研究的重要课题．鉴于很多实际网络具有稀疏性，本文在网络

是稀疏的假设条件下研究了两类网络的重构问题，主要内容包括以下几个方面：

(1)稀疏网络的重构问题可转化为稀疏信号的重构问题．作为稀疏信号重构的重要算

法，稀疏贝叶斯算法具有对噪声影响鲁棒性强、收敛速度快等特点，因此基于稀疏贝叶

斯算法进一步发展了演化博弈网络的重构方法，并利用典型的随机网络、小世界网络和

Karate网络对重构方法进行了验证．与先前的重构方法相比，该方法同样能够在较少的

个体博弈信息下实现网络的重构，并且具有更高的重构效率和更强的噪声鲁棒性.

(2)为了进一步提高演化博弈网络重构的成功率，将一种基于变分消息传递的稀疏信

号估计方法应用于演化博弈网络的重构中．该算法通过消息在因子节点和变量节点反复

传递逐步实现后验分布的精确估计，具有计算简单、运行速度快、所需测量数量少等优

势．在Dolphin网络和小世界网络上的数值模拟验证表明，该方法能够在更少的个体博

弈信息下实现网络的高效重构，并且具有更高的重构成功率．

(3)鉴于稀疏贝叶斯算法对噪声鲁棒性强的特点，进一步利用稀疏贝叶斯算法研究了

强噪声影响下的一类神经网络的重构问题．仿真分析表明，在没有噪声的情况下，所提

出的算法的重构精度与先前的重构算法接近．随着噪声强度的增强，基于稀疏贝叶斯的

网络重构算法具有更高的重构成功率，是更有潜力的稀疏神经网络重构方法．

关键词：网络重构，演化博弈网络，神经网络，压缩感知，稀疏贝叶斯

i

Abstract

Networkisanimportantmodeltodescribevarioussystemsinnatureandsociety.The

studyofnetworktopologyisthebasisofunderstandingitsfunctionandcollectivebehavior.

However,inpractice,thenetworktopologyisoftenunknown.Therefore,usingavailabledata

toreconstructthenetworktopologyisanimportanttopicinnetworkresearch.Inviewofthe

sparsityofmanypracticalnetworks,thisthesisstudiesthereconstructionoftwokindsof

networksundertheassumptionthatthenetworkissparse.Themaincontentsincludethe

followingaspects:

(1)Theproblemofsparsenetworkreconstructioncanbetransformedintotheproblem

ofsparsesignalreconstruction.Asanimportantalgorithmforsparsesignalreconstruction,

sparseBayesianalgorithmhasthecharacteristicsofstrongrobustnesstonoiseandfast

convergence.Therefore,thischapterfurtherdevelopsthereconstructionmethodof

evolutionarygamenetworkbasedonSparseBayesianalgorithm,