项目名称: 动力学涨落对网络结构的影响

项目编号: No.11505075

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 数理科学和化学

项目作者: 周钊

作者单位: 淮北师范大学

项目金额: 18万元

中文摘要: 本项目计划研究动力学涨落行为对网络结构的影响。我们的研究内容涉及涨落行为动力学,极端事件和网络结构。它们之间的关系如下,涨落行为导致极端事件的发生,极端事件影响网络结构。具体的,我们首先研究网络上极端事件发生的特点,给出极端事件发生节点的特点。然后,我们根据计算事件发生节点的网络位置,探讨极端事件发生后,网络节点的动力学响应,研究这种响应对网络结构的影响,最后探讨这种影响的一般性。研究方法是从我们在涨落方面取得的两篇论文出发(Journal of Statistical Mechanics, P08001(2010) & Physical Review E, 87, 012808(2013)),采用模拟、解析和实际数据分析相结合的方法来探讨涨落导致的极端事件。然后根据这些研究成果,结合复杂网络上的博弈理论,从模拟和解析两个方面研究网络结构对极端事件的响应。

中文关键词: 涨落;极端事件;网络结构

英文摘要: We plan to investigate the effect of dynamical fluctuation to network structures. This investigation concerns dynamical fluctuation, extreme event and network structure. These three factors are correlated. Fluctuation results in extreme event, and network structure change according to this event. The details are presented as follows. First, we discuss the characters of extreme event. Much attention is paid to nodes where extreme events occur and the topological property of such node is studied. Second, the response to extreme event is discussed, mainly focusing on network structure. At last, the university of this response is investigated. The research method is based on our two recent works (Journal of Statistical Mechanics: Theory and Experiment, P08001(2010) & Physical Review E, 87, 012808(2013)). These works are on fluctuation. We take full use of the analytic results achieved in Physical Review E, 87, 012808(2013), and discuss the extreme event distribution by means of analysis, simulation and data mining, while the network response is discussed by means of analysis and simulation. This discussion is combined with network game theory.

英文关键词: fluctuation;extreme event;network structure

成为VIP会员查看完整内容
0

相关内容

【哈佛大学】深度学习理论实证探究
专知会员服务
42+阅读 · 2021年11月1日
专知会员服务
63+阅读 · 2021年9月18日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
23+阅读 · 2021年8月1日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
45+阅读 · 2021年5月17日
专知会员服务
45+阅读 · 2020年11月13日
YOLOv5 深度可视化解析
CVer
27+阅读 · 2020年8月16日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
已删除
德先生
53+阅读 · 2019年4月28日
干货:复杂网络及其应用简介
数据猿
25+阅读 · 2018年12月21日
深入理解LSTM网络
深度学习
17+阅读 · 2017年6月7日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
14+阅读 · 2020年10月26日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
小贴士
相关主题
相关VIP内容
【哈佛大学】深度学习理论实证探究
专知会员服务
42+阅读 · 2021年11月1日
专知会员服务
63+阅读 · 2021年9月18日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
23+阅读 · 2021年8月1日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
45+阅读 · 2021年5月17日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
YOLOv5 深度可视化解析
CVer
27+阅读 · 2020年8月16日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
已删除
德先生
53+阅读 · 2019年4月28日
干货:复杂网络及其应用简介
数据猿
25+阅读 · 2018年12月21日
深入理解LSTM网络
深度学习
17+阅读 · 2017年6月7日
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
14+阅读 · 2020年10月26日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
微信扫码咨询专知VIP会员