Automatic reconstruction of complex dynamical networks

doctoral dissertation

Marc Grau Leguia (Author), Zoran Levnajić (Mentor), Ralph Gregor Andrzejak (Mentor), Bernard Ženko (Co-mentor)

Abstract

A foremost problem in network science is how to reconstruct (infer) the topology of a real network from signals measured from its internal units. Grasping the architecture of complex networks is key, not only to understand their functioning, but also to predict and control their behaviour. Currently available methods largely focus on the detection of links of undirected networks and often require strong assumptions about the system. However, many of these methods cannot be applied to networks with directional connections. To address this problem, in this doctoral work we focus at the inference of directed networks. Specifically, we develop a model-based network reconstruction method that combines statistics of derivative-variable correlations with simulated annealing. We furthermore develop a data-driven reconstruction method based on a nonlinear interdependence measure. This method allows one to infer the topology of directed networks of chaotic Lorenz oscillators for a subrange of the coupling strength and link density. Finally, we apply the data-driven method to multichannel electroencephalographic recordings from an epilepsy patient. The functional brain networks obtained from this approach are consistent with the available medical information.

Keywords

network reconstruction;simulated annealing;dynamical systems;nonlinear interdependence measure;EEG;

Data

Language:	English
Year of publishing:	2019
Typology:	2.08 - Doctoral Dissertation
Organization:	FIŠ - Faculty of Information Studies
Publisher:	[M. Grau Leguia]
UDC:	53:517.938(043.2)
COBISS:	2048577811
Views:	3087
Downloads:	149
Average score:	0 (0 votes)
Metadata:

Other data

Secondary language:	Slovenian
Secondary title:	Avtomatska rekonstrukcija kompleksnih dinamičnih omrežij
Secondary abstract:	Eden najpomembnejših problemov v znanosti o omrežjih je, kako rekonstruirati strukturo realnega omrežja na osnovi signalov izmerjenih v njenih notranjih enotah. Določitev arhitekture kompleksnih omrežij je ključnega pomena, ne samo za razumevanje njihovega delovanja, ampak tudi za napovedovanje in regulacijo njihovega delovanja. Trenutno znane metode se večinoma osredotočajo na odkrivanje povezav v neusmerjenih omrežjih in pogosto temeljijo na strogih predpostavkah o delovanju sistema, veliko teh metod pa tudi ni mogoče uporabiti v omrežjih z usmerjenimi povezavami. V disertaciji se osredotočimo na rekonstrukcijo usmerjenih omrežij. Predstavimo dve novi metodi za rekonstrukcijo omrežij. Prva predpostavi, da preiskovano omrežje deluje v okviru vnaprej določenega modela, in iskano strukturo omrežja najde na osnovi statističnih povezav med spremenljivkami in njihovimi odvodi ter z uporabo evolucijske optimizacije. Druga metoda ne zahteva nobenih predpostavk o delovanju omrežja in iskano omrežje določi le na osnovi podatkov z uporabo nelinearne mere medsebojne odvisnosti spremenljivk. Slednja metoda je uporabna za rekonstrukcijo strukture usmerjenih omrežij kaotičnih Lorenzovih oscilatorjev z različnimi stopnjami sklopitve in različno gostoto povezav. Metodo uporabimo tudi za analizo meritev zbranih z večkanalnim elektroencefalografom pri bolniku z epilepsijo. Rekonstruirana funkcionalna možganska omrežja, dobljena s to metodo, se skladajo s trenutnim medicinskim znanjem.
Secondary keywords:	rekonstrukcija omrežja;simulirano žarjenje;dinamični sistemi;merilo nelinearne soodvisnosti;EEG;
Type (COBISS):	Doctoral dissertation
Thesis comment:	Fakulteta za informacijske študije v Novem mestu
Source comment:	Na ov.: Doctoral Dissertation;
Pages:	XXI, 88 str.
ID:	11116405