含噪声的多层网络的牵制同步研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61703442
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0304.系统工程理论与技术
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Pinning synchronization of complex dynamical networks is also one of the hottest subjects of network science, and has achieved fruitful results in recent years. Most of the present work focus on a single network. For pinning synchronization of multiplex networks, there is very few research. Some questions are beginning to put forward and still need further discussion, noise is everywhere. Based on the above considerations, the multiplex network with noise perturbation is used as basic model. We systematically study pinning synchronization of multiplex networks with noise perturbation, and probe into the intrinsic relations between the least number of pinned nodes for achieving synchronization and these factors including network parameters, noise intensity, node dynamics and network topology. Furthermore, we propose these reasonable and optimal pinning strategies combined with inter-layer degree correlations. Besides, we analyze the influence of noise on the synchronization processes of multiplex networks when the above mentioned pinning control is not considered. The research purpose of this project is to provide a solid theoretical basis for pinning synchronization of multiplex networks with noise perturbation, to provide a deeper understanding for the effect of noise on the synchronization processes of multiplex networks, and has significant academic value and practical meanings.
复杂动力网络的牵制同步一直是网络科学研究的热点问题之一,近年来已经取得了丰硕的成果。但是目前大多数的研究结果还是集中在单层网络上,而对于多层网络的牵制同步研究的不多,有些问题仅仅是刚开始提出,还需要进行深入的探讨,噪声亦无处不在。基于以上考虑,我们以含噪声的多层网络为基本模型,系统地研究了含噪声的多层网络达到同步的牵制策略问题;探讨网络参数、噪声强度、节点动力学、网络拓扑对达到同步的牵制节点数目的影响,揭示这些因素的内在关系,并结合层间度相关性连接,提出合理最优的牵制策略;分析了不考虑外部牵制控制时,噪声对多层网络同步过程的影响。本项目的研究目的为噪声随机扰动的多层网络牵制同步提供了坚实的理论基础,为噪声对多层网络同步过程的影响提供更深层次的理解,具有重要的学术价值和现实意义。

结项摘要

事实上,现实世界中的许多网络都是相互依赖的,如家庭-朋友-同事的三层社会关系网络,这种结构和功能上的相互依存促使着人们去研究实际网络的多层特性。另外现实中的许多网络通常含有大量的节点,因此为了控制网络的动力学行为,在每个时刻对每个节点施加控制,显然是不切实际的。脉冲控制和牵制控制作为两个有效且节能的控制策略,在复杂网络的同步和控制中被广泛应用。本项目第一部分,结合两种控制,研究了几种不同类型的多层网络的同步问题。第一,构造了节点动力学相同、层间脉冲耦合的多层多智能体网络模型,通过脉冲微分方程的Laypunov稳定性理论,提出了多层网络达到主从同步的几个牵制控制策略,并给出了达到同步理论上所需要的最少控制节点数及最大脉冲区间长度;同时,通过定义一种新的同步指标,进一步研究了牵制增益及层间脉冲耦合强度多同步指标的影响,并给出了达到同步这两个参数所满足的理论关系,为多层网络环境下如何有效地选择牵制增益和脉冲强度提供了一个切实有效的方法。第二,构造了节点动力学和层内拓扑结构都不同的参数未知的两层网络模型,借助微分方程稳定性理论和辅助系统方法,给出了这两层网络达到层间广义同步的理论判据,进一步讨论了驱动层的层内耦合强度和脉冲增益对层间同步的影响。第三,构造了以Rössler系统为节点动力学,具有相同或不同层内拓扑的两层网络,通过定义三种不同的同步指标,研究了在不同层间内联耦合矩阵和不同的层内内联耦合矩阵下,层内和层间耦合强度对两层网络的同步区域的影响。第二部分,构造了状态二阶可导、具有分布式延迟的切换惯性神经网络,通过设计一种新的混合式自适应控制策略,借助Lyapunov稳定性理论,研究了这种切换神经网络的全局指数同步问题。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Novel results on synchronization for a class of switched inertial neural networks with distributed delays
一类具有分布式延迟的开关惯性神经网络同步的新结果
  • DOI:
    10.1016/j.ins.2019.09.048
  • 发表时间:
    2020-02-01
  • 期刊:
    INFORMATION SCIENCES
  • 影响因子:
    8.1
  • 作者:
    Zhang, Guodong;Zeng, Zhigang;Ning, Di
  • 通讯作者:
    Ning, Di
Inter-layer generalized synchronization of two-layer impulsively-coupled networks
两层脉冲耦合网络的层间广义同步
  • DOI:
    10.1016/j.cnsns.2019.104947
  • 发表时间:
    2019
  • 期刊:
    Communications in Nonlinear Science & Numerical Simulation
  • 影响因子:
    3.9
  • 作者:
    Ning Di;Wu Xiaoqun;Feng Hui;Chen Yang;Lu Junan
  • 通讯作者:
    Lu Junan
Synchronization in duplex networks of coupled Rössler oscillators with different inner-coupling matrices
具有不同内耦合矩阵的耦合罗斯勒振荡器双工网络中的同步
  • DOI:
    10.1016/j.neucom.2019.10.011
  • 发表时间:
    2020-09
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Xiaoqun Wu;Quansheng Li;Congying Liu;Jie Liu;Chengwang Xie
  • 通讯作者:
    Chengwang Xie

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码