An efficient parameter inference method for dynamical networks

doi:10.1016/j.physd.2026.135391

An efficient parameter inference method for dynamical networks

2026-08-28

0

PRE

AI

DOI：10.1016/j.physd.2026.135391

原文链接

原文求助

摘要

En 中文

复杂网络研究通常基于动态数据关注参数推断。困难通常源于复杂的网络结构和节点及其邻居之间的非线性相互作用。我们提出了一种有效的方法来应对这一挑战。根据动态数据和特定的推断要求，建立了一个损失函数。得益于已知动态模型的确定网络拓扑和节点方程，未知物理参数最终通过持续最小化损失函数，借助人工神经网络的各种高效技术（包括基于梯度的学习、自动微分和优化算法）得到优化和识别。数值模拟表明，该框架能够准确推断关键耦合和其他系统参数。除了提供高精度和快速推断结果外，我们的方法对网络规模、结构和参数变化具有鲁棒性。同时，该方法能够处理离散和连续系统。此外，通过动态分析推导出临界值的标度律，并验证了该方法的可信度。

Keyword:

Parameter inference

Artificial neural network

Complex network

Dynamical data

Loss function

An efficient parameter inference method for dynamical networks

摘要

期刊

机构

引用论文