网络推断结合互信息率和统计检验
摘要：基于信息理论和统计方法，本文提出了一种基于时间序列数据推断复杂网络连接性的方法。该方法基于时间序列对的互信息率的估计，并使用伪发现率方法进行统计显著性检验以接受连接性。我们介绍了互信息率的数学背景，讨论了统计显著性检验和伪发现率。此外，我们还展示了相关正态变量数据、耦合圆和耦合logistic映射、耦合Lorenz系统以及耦合随机Kuramoto相位振荡器数据的结果。接着，我们研究了噪声对耦合随机Kuramoto相位振荡器网络中方法的影响，以及耦合圆映射网络中耦合异质性对方法的影响程度。我们通过接收器工作特性曲线展示了该方法可以推断出正确的连接节点数和连接节点对。在更实际的随机数据情况下，我们展示了该方法推断初始连接矩阵结构的能力。该方法还能够恢复ErdH{o}s-R'{e}nyi和小世界网络节点动力学中连接异质性可变连接性的初始连接矩阵。该方法的亮点是它能够仅基于记录的数据集推断出底层网络连接性。
作者：Chris G. Antonopoulos
论文ID：2209.14063
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2022-10-19