.png){kind=icon}
返回
Hypergraph reconstruction from dynamics
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-025-57664-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
过去二十年里，已开发出大量方法用于从互联系统的集体动力学推断其底层网络结构。然而，能够推断非成对相互作用的方法才刚刚开始出现。这里，我们开发了一种基于非线性动力学稀疏辨识（SINDy）的推断算法，用于从时间序列数据重构超图和单纯复形。我们的无模型方法不需要关于节点动力学或耦合函数的信息，使其适用于没有可靠数学描述的复杂系统。我们首先在由Kuramoto和Lorenz动力学生成的合成数据上对新方法进行基准测试。随后，我们利用该方法从静息态EEG数据推断大脑的有效连接性，这揭示了非成对相互作用在塑造宏观大脑动力学方面的显著贡献。
Keyword:
HIGHER-ORDER INTERACTIONS
NETWORK INFERENCE
COMPLEX
PREDICTION
ENTROPY
MODE
期刊
IF:
15.7
论文数:
9.3W
被引数:
91.2W
机构
引用论文
分享收藏Spontaneous Brain Activity Emerges from Pairwise Interactions in the Larval Zebrafish Brain.png)
PHYSICAL REVIEW X
OAAI
PHYSICAL REVIEW XIF15.7
OAAI分享收藏Large-scale directed network inference with multivariate transfer entropy and hierarchical statistical testingNETWORK NEUROSCIENCEOAAI
NETWORK NEUROSCIENCEIF3.1
OAAI分享收藏Full reconstruction of simplicial complexes from binary contagion and Ising dataNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容