因子-蛋白网络的实证统计研究

从复杂网络的角度对免疫系统因子一蛋白网络进行了实证研究。采用二分图及其投影的方法来描述因子一蛋白合作网,得到了平均距离、平均集群系数、集群系数分布、度分布、项目度分布、项目大小分布等统计性质,并根据这些统计性质进行了分析。结论表明这种复杂网络描述有助于发现和理解因子蛋白网络的一些新特性。     

具恢复机制的相依电力-信息网络连锁故障传播

为了研究具有恢复机制的电力-信息网络连锁故障传播,基于相依网络理论,建立了IEEE300节点系统电力网与双星型结构信息网的电力-信息相依网络模型.分析复杂网络统计特征参数可知,电力网和信息网均具有小世界和无标度特性.利用相依电力-信息网络的连锁故障模型,对BA,WS和ER 3种不同的相互依存网络进行鲁棒性分析,提出了一种具有恢复机制的相依网络连锁故障传播模型.仿真结果表明,与目标恢复机制和随机恢复机制相比,依赖恢复机制的恢复级别更高,而且这种优势随着故障阈值的减少而提高.     

基于复杂网络的疾病传播

疾病传播问题的研究，一直是科学家所关注的焦点。近几年兴起研究的复杂网络，真实地反映出现实中系统的某些重要特性，成为研究现实网络的有效手段。在介绍复杂网络的基础上，着重阐述了复杂网络描述疾病传播的研究工作及成果，特别指出其就用于SARS病毒传播研究得到的一些有意义的结论，从而为控制病毒的传播提供了一种重要的参考依据。     

复杂网络的研究进展综述

网络由节点与连接节点之间的边组成。现实世界中存在大量的复杂系统可以用网络来描述。描述这些系统的网络既非完全规则又非完全随机,而是介于两者之间的。因此,介于规则网和随机网之间的复杂网能很好地刻画现实世界。本文介绍了复杂网络的发展史,研究现状及未来发展方向的展望。     

基于边迭代的复杂网络平均路径长度分析研究

复杂网络可以用来描述现实世界中许多复杂系统,而平均路径长度则是其中一个研究重点。针对基于边迭代的复杂网络,以Farey网络这一类网络族为实例,分析和研究其平均路径长度。研究方法将加深对这些确定性网络模型的研究,并为随机复杂网络提供新的思路。     

复杂系统中基于场与结构耦合效应的一些涌现特性及其物理机制

复杂系统涌现性的场与结构的耦合效应是一个非常值得关注的研究课题,这是因为该耦合效应能够描述各种复杂系统具有的一个共性,即这些系统都包含两类基本相互作用.一类是个体之间的相互作用(它确定了系统的初始结构);另一类是个体与环境(该环境给定了系统所处的外场)之间的相互作用(该相互作用通过与系统内部的相互作用耦合,确定了系统的最终结构).本文综述了一些复杂系统的涌现特性,主要介绍了其中的场与结构的耦合效应的研究进展.这些特性的介绍不仅有助于特定系统自身的发展和应用,而且有助于为发展描述各种复杂系统的普适理论奠基.     

复杂网络的稳定性

近来，Scale—free随机复杂网络成为一个令人感兴趣的研究领域。实证表明，复杂网络的拓扑结构不同于传统的随机图模型。本文中，我们提出了一种新的复杂网络模型来描述真实网络，研究复杂网络的拓扑结构。我们将平均场的方法运用到聚系数的求解．得到了一些关于复杂网络稳定性的结果。     

前馈神经网络的隐结点个数与网络推广能力的关系

文章主要讨论网络的大小与网络推广能力的关系，首先描述一类前馈分层神经网络，给出计算它的学习概率的公式，利用这些公式，可以精确而系统地研究网络的推广能力，通过数值计算发现，对有些任务网络的推广能力随隐结点个数的增多而下降，这已为许多研究所熟悉；而对另一些任务，网络的推广能力随隐结点个数的增加而增强，这在文献中已有报道；还有一些任务，网络对于它们的推广能力在隐结点个数以某个值时达到极大值，或者达到极小     

采用优化技术对样条曲线模型的研究

样条曲面具有灵活性，概念简单，易于通过操作控制点控制形状，所以对于自由曲面建模十分重要。对于复杂形状，通过大量控制点和用一些几何规则可以对曲面进行描述。本文将对有关规则进行描述，并建立一些基本概念。     

互联电力网络复杂性研究的若干新进展

以复杂网络理论为先导,综述了清华大学电机系近两年的研究成果,针对静态电力网络,提出了分解与协调算法和输电线路脆弱度评估算法;针对动态电力网络,提出了简化与等值算法和同步化控制算法,同时提出了网络生长与演化模型。研究了电力网络的生长机制问题,