[论文解读] Inverse Modeling of Complex Networks Using Embedded Complex Logistic Maps

Sandy Shaw|ArXiv.org|Dec 23, 2002

Nonlinear Dynamics and Pattern Formation参考文献 47被引用 3

一句话总结

本文提出嵌入复数逻辑斯蒂映射（ECLM）用于通过将时间序列数据映射到类小波空间（基于为数据选择的‘最佳拟合’复数逻辑斯蒂映射）来实现复杂网络的逆向建模。该方法利用曼德勃罗集内的拓扑结构识别同步模式，从而实现对基因表达和金融市场网络中系统参数、网络图谱及动力学的重构，结果与理论预期相符，并揭示了关于同步性和无标度结构的创新见解。

ABSTRACT

An inverse modeling technique is introduced that combines elements of coupled logistic map models and wavelet analysis for the purpose of analyzing partial synchronization states in high-dimensional systems. Using Embedded Complex Logistic Maps (ECLM), time series data derived from individual system components is directly mapped to a wavelet-like space generated from iterations of specific complex logistic maps. These maps are selected from the complex plane according to "best fit" scoring criteria with the data. The embedding topology within and near the familiar Mandelbrot Set provides metrics which are used to aid in clustering similarities (synchronization) between these selected point models. The dynamics within the individual models and the correlation between (synchronized) models is analyzed to reconstruct a unified picture of the underlying dynamics of local system components within the global system network topology. In this paper, ECLM is used to extract system parameters, network graphs, and wavelet-like analytics from two real-world systems, a gene expression network and a financial market network. Preliminary results appear to validate the assumptions and methods used in ECLM through agreement with current theory and recent findings. Some potentially new findings regarding synchronization, scale-free networks, on-off intermittency, and energy dissipation within the examples studied will also be discussed.

研究动机与目标

• 开发一种基于非线性动力学与类小波分析的新型高维复杂系统逆向建模框架。
• 通过将时间序列数据嵌入复数逻辑斯蒂映射迭代中，识别复杂网络中的同步模式。
• 利用源自曼德勃罗集嵌入空间的度量，从真实世界数据中重构系统参数与网络拓扑结构。
• 在基因表达和金融市场等真实系统上验证该方法，并与现有理论进行比较。
• 探索关于无标度网络特性、开关间歇性以及复杂动力学中能量耗散的新见解。

提出的方法

• 将系统各组成部分的时间序列数据映射到由特定复数逻辑斯蒂映射迭代生成的类小波空间中。
• 根据与输入时间序列的‘最佳拟合’评分标准，从复平面上选择复数逻辑斯蒂映射。
• 曼德勃罗集附近及内部的嵌入拓扑结构为聚类相似系统组件提供了几何与动力学度量。
• 通过分析单个 ECLM 模型内及网络间动力学的相关性，评估组件间的同步性。
• 通过分析所选 ECLM 模型的集体行为与拓扑结构，重构系统参数与网络图谱。
• 应用类小波分析，从嵌入动力学中提取多尺度特征，以表征系统特性。

实验结果

研究问题

• RQ1 如何通过复数逻辑斯蒂映射，将复杂系统的时间序列数据有效映射到非线性类小波表示中？
• RQ2 曼德勃罗集的拓扑结构在多大程度上可作为识别高维网络中同步组件的度量？
• RQ3 ECLM 能否准确地从真实世界数据（如基因表达和金融市场时间序列）中重构系统参数与网络拓扑？
• RQ4 在真实系统中，ECLM 分析是否能揭示诸如开关间歇性或能量耗散等新型动力学特征？
• RQ5 与现有方法相比，ECLM 框架在捕捉无标度网络特性及部分同步状态方面表现如何？

主要发现

• ECLM 方法成功重构了基因表达网络与金融市场网络的系统参数和网络图谱，结果与当前理论预期一致。
• 通过 ECLM 度量识别出的同步模式与已知的生物与市场动力学高度相关，验证了该方法的可靠性。
• 分析揭示了金融市场网络中存在开关间歇性现象，表明存在间歇性的协同行为爆发。
• 能量耗散模式与重构网络的结构特征相关，表明动力学与拓扑之间存在关联。
• 该方法揭示了网络结构中的无标度特性，与复杂系统已知的特性一致。
• 初步结果表明，ECLM 可检测到通过标准时间序列分析难以察觉的细微动力学转变与隐藏相关性。