从动态数据中准确有效地重建对称复杂网络的一般优化框架
Chuang Ma1, Ying-Cheng Lai2, Xiang Li3
1School of Internet, Anhui University, Hefei 230601, China.
我们开发了一个新的网络重建框架,使用块坐标下降 (BCD) 和网络对称. 这种方法实现了高精度,计算成本明显低于复杂网络的现有全球方法.
科学领域:
- 复杂的系统复杂的系统.
- 网络科学 网络科学
- 计算生物学 计算生物学
背景情况:
- 从动态数据中重建网络是一个关键的挑战.
- 现有的点对点 (PBP) 和全球方法在计算效率和准确性之间存在权衡.
- 全球方法提供高精度,但在计算上昂贵.
研究的目的:
- 开发一个新的网络重建框架,整合PBP和全球方法的优势.
- 为了实现高重建准确度,显著降低计算成本.
- 为了利用网络对称性,有效地解决反向问题.
主要方法:
- 开发了一个基于区块坐标下降 (BCD) 的新型框架.
- 利用网络对称性来定义BCD优化的块.
- 验证了各种网络结构 (分散和密集) 和动态过程的框架.
主要成果:
- 基于BCD的框架实现了高网络重建准确度.
- 计算成本比传统的全球化方法低数量级.
- 在各种网络类型和动态中证明了有效性.
结论:
- 利用网络对称性是解决反向问题的有力策略.
- 基于BCD的框架为网络重建提供了高效准确的解决方案.
- 这种方法在涉及线性方程的科学和工程问题中具有广泛的适用性.
更多相关视频
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
07:58Computational Reconstruction of Pancreatic Islets as a Tool for Structural and Functional Analysis
Published on: March 9, 2022
相关概念视频
Sequence Networks of Rotating Machines
Zero-sequence current induces a voltage drop across the generator's neutral impedance and other...
Reconstruction of Signal using Interpolation
Fast Decoupled and DC Powerflow
Symmetry in Maxwell's Equations
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
