项目名称: 复杂网络上的广义传播过程溯源

项目编号: No.61573064

项目类型: 面上项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 王文旭

作者单位: 北京师范大学

项目金额: 16万元

中文摘要: 快速和高效定位传播过程源头在公共健康、环境治理、舆情监督和生物医学等领域有重要的科学和应用价值。传播溯源问题需要复杂网络理论与多学科交叉,并且需要实证数据的支持,包括复杂网络传播理论、经典控制理论、复杂网络控制理论、统计物理、信息论、计算机技术,以及疾病监控数据、在线社交数据、环境监测数据和医疗数据等。目前,基于部分信息定位传播源头的研究正处于起步阶段,仍然存在很多有待研究的科学问题。本项目旨在提出一套较完整和系统的复杂网络上广义传播过程溯源的理论框架,包括单一源头和多源头的快速高效定位方法、可定位性条件和确定最少观察节点的最小输出理论。进一步,将理论方法与实证数据结合,检验方法的实用性。最后,将研究方法应用于实际系统,解决实际问题,包括疾病传播和信息传播溯源、空气和水污染溯源以及癫痫病灶区定位等。项目为将复杂网络理论与其它学科的结合和多学科交叉提供新的思路并为解决实际问题提供理论依据。

中文关键词: 复杂网络;传播动力学;溯源;可观性理论;反向传播

英文摘要: Efficiently locating the source of spreading dynamics taking place in complex networks is of paramount importance in public health, environmental protection, public opinion supervision, and biological medicine, etc. Addressing the problem of source localization is subject to interdisciplinary science, calling for the combination of many different fields and the support of big data. The problem involves spreading theories of complex networks, canonical control theory, controllability theory of complex networks, statistical physics, information theory, computer science, and data from the disease monitoring system, data in online social networks, environmental monitoring data, medical data, etc. At present, locating the source of spreading is still in its infancy, leaving a variety of scientific problems to be solved. We plan to propose a theoretical framework for source localization on complex networks, including efficient algorithms for locating single and multiple sources, locatability condition and identifying minimum number of observable nodes in terms of the minimum output theory. Furthermore, we aim to examine the feasibility of our method by employing available empirical data. Finally, we will attempt to apply our theoretical methods and tools to real complex systems to address real source localization prob

英文关键词: complex networks;spreading dynamics;source localization;observability theory;inverse spreading

成为VIP会员查看完整内容
0

相关内容

【ICLR2022】图神经网络复杂时间序列建模
专知会员服务
88+阅读 · 2022年4月15日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
【经典书】随机矩阵理论与无线网络,186和pdf
专知会员服务
49+阅读 · 2021年12月21日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
【经典书】图理论与复杂网络导论,287页pdf
专知会员服务
133+阅读 · 2021年3月5日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
49+阅读 · 2020年8月27日
因果关联学习,Causal Relational Learning
专知会员服务
182+阅读 · 2020年4月21日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
清华大学:从单体仿生到群体智能
专知
15+阅读 · 2022年2月9日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知
1+阅读 · 2022年1月4日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
10+阅读 · 2021年11月10日
Arxiv
92+阅读 · 2021年5月17日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
22+阅读 · 2019年11月24日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
26+阅读 · 2018年8月19日
小贴士
相关VIP内容
【ICLR2022】图神经网络复杂时间序列建模
专知会员服务
88+阅读 · 2022年4月15日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
【经典书】随机矩阵理论与无线网络,186和pdf
专知会员服务
49+阅读 · 2021年12月21日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
【经典书】图理论与复杂网络导论,287页pdf
专知会员服务
133+阅读 · 2021年3月5日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
49+阅读 · 2020年8月27日
因果关联学习,Causal Relational Learning
专知会员服务
182+阅读 · 2020年4月21日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
从0到1,搭建经营分析体系
人人都是产品经理
0+阅读 · 2022年3月6日
清华大学:从单体仿生到群体智能
专知
15+阅读 · 2022年2月9日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知
1+阅读 · 2022年1月4日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员