推理、因果关系和控制网络的动力系统:科学数据和建模的角度对人工智能网络生理的影响

从基因组、蛋白质组学和微生物群落代谢网络,神经系统和人类生理器官系统的交互网络,复杂的相互依赖的系统与不同的动力和内在机制控制显示复杂的多尺度时空模式通常分为非线性、非高斯、规模不变和多重分形。虽然有丰富的理论研究致力于描述第一,第二,和三阶统计网络(如度分布,assortativity,集群和集群系数平方),最近才高阶统计量和几何特征的复杂网络已经成为调查的重点。沿着这些线路,挖掘复杂网络的结构和动力学研究的新领域,建立了网络拓扑结构和网络之间的连接功能,推断出他们的程度的出现,自组织、健壮性、临界,情报和复杂性从时序模式在动态网络,揭雷竞技rebat示宇宙守恒定律。

尽管动态网络理论的最新进展,有基本的方法论和概念性的挑战了解全球状态和功能出现在网络的不同与时变动力系统相互作用和基本原则的层次集成。目前,我们还没有可靠的估计算法和一个理论框架来评估和量化时变复杂的拓扑结构和全球行为(加权)网络交互强度的函数,度量空间的嵌入和单个节点的动力学,和网络节点之间的耦合功能形式的多样性。此外,在许多实际情况调查相关的生物和生理系统从亚细胞到生物的水平,我们只能部分观察复杂网络的动力学,我们缺乏方法论的方法研究不同动力系统的全球行为出现在网络操作在一个广泛的时间尺度。当采矿时变复杂网络的结构和动力学,还必须克服各种内部或外部扰动可以暂时性的或永久性掩盖某些节点及其因果相互作用的活动。理解的多尺度动态时变网络,检测不稳定的迹象,隐藏在噪声数据,预测罕见的极端事件和关键转换与时变动力系统交互呼吁激进的数学和算法工具来推断和量化个体系统的动力学及其耦合。小说需要人工智能和机器学习算法和体系结构分类和预测紧急行为在动态网络中同时基于网络拓扑结构在网络动力学和时间模式。此外,新数据科学与人工智能(AI)技术要求确定未知的刺激和未被注意的变量为了重建从各种异构的非平稳时变动力系统网络输出数据,模型的分形时空动力学和展示概念多重分形和微分几何可以帮助分析和量化它们的复杂性。最后,我们需要数学基础和算法工具之间建立连接网络动力学在健康和疾病和生理状态,确定最有效的网络体系结构来生成一个给定的函数,量化关键的普遍性,并确定新的理论方向为人工智能和机器学习基于生物和生理的原则。

本研究课题的目的是协调跨学科的努力和统一不同的愿景,方法和方法在网络领域的动力系统。我们欢迎多学科贡献回顾当前状态的艺术网络科学及其应用的不同分支学科,意见和审查文件指向敦促开放的挑战,和原始研究的文章。我们的目标是为这个研究课题提供一个向前和富有远见的视角的动力系统网络的新兴领域,新的见解等网络通信和控制机制,并全面了解集成的原则在生物和生理系统的水平。