大规模非线性动力系统网络的降维生成框架
摘要：具有复杂非线性动力学的大规模真实世界网络的低维表示的约束已被多项研究提出。通常，这些表示是在某些假设下制定的，例如使用线性稳定性分析时解收敛到吸引子状态，或使用大规模动力数据的投影到一组由经验选择的较低维模式。在这里，我们提出了一个生成性框架，用于基于大规模网络的输入分布的对称性选择较低维模式，将整个网络动力学投影到这些模式上，从而放宽先前约简方法中启发式选择模式的约束。所提出的模式约简技术在理论上可以处理，并应用于不同类型的真实大规模网络情景，其中节点包括 a) Van der Pol振荡器 b) Hindmarsh-Rose神经元。这两个演示阐明了原始和约简描述中的序参量如何保持不变，从而验证了我们的命题。
作者：Shrey Dutta and Dipanjan Roy and Arpan Banerjee
论文ID：1901.04421
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2019-07-24