Nouvelle méthodologie de modélisation pour les réseaux dynamiques à grande échelle

Nouvelle méthodologie de modélisation pour les réseaux dynamiques à grande échelle

Shengling Shi a soutenu son doctorat sur l’utilisation de la théorie des graphes pour améliorer la compréhension des réseaux complexes, tels que les réseaux électriques et les réseaux sociaux. Crédit : Université de technologie d’Eindhoven

Les systèmes d’ingénierie, tels que les réseaux électriques et les systèmes de transport, deviennent de plus en plus complexes et englobent de nombreux sous-systèmes qui sont spatialement interconnectés. La modélisation de ces « réseaux dynamiques » est une tâche importante pour la conception, l’analyse et le contrôle de ces systèmes. En exploitant la théorie des graphes, Shengling Shi a développé de nouvelles méthodes de modélisation qui prennent en compte la structure d’interconnexion des réseaux dynamiques et permettent ainsi des emplacements plus flexibles des actionneurs et des capteurs dans le réseau pour la collecte de données et la modélisation basée sur les données.

En raison des progrès actuels de l’apprentissage automatique et de l’intelligence artificielle des systèmes dynamiques complexes, la modélisation basée sur les données des réseaux dynamiques a attiré une attention extraordinaire de la recherche. Le défi de cette tâche de modélisation est principalement causé par l’interconnexion complexe de sous-systèmes dans des réseaux dynamiques à grande échelle. Cela rend les approches classiques de la modélisation axée sur les données, conçues à l’origine pour les systèmes à petite échelle, inadéquates pour la modélisation des réseaux dynamiques à grande échelle.

Shengling Shi a abordé dans son doctorat. rechercher les lacunes des approches classiques de modélisation des réseaux dynamiques en adoptant la théorie des graphes. En représentant graphiquement la structure d’interconnexion d’un réseau dynamique, Shi a développé des outils graphiques et des algorithmes pour allouer des capteurs et des actionneurs de telle sorte que le modèle du réseau dynamique puisse être identifié. Il a également développé des approches efficaces pour estimer la structure d’interconnexion de réseaux dynamiques à partir de données de capteurs.

La méthodologie de modélisation développée a des applications importantes, par exemple, dans les réseaux biologiques, les réseaux électriques et les réseaux sociaux. Shi l’a appliqué à l’inférence de la connectivité cérébrale à partir des données d’IRMf, pour étudier l’effet de l’écoute intensive de la musique de Mozart sur la cognition humaine, un sujet d’intérêt pour les neurosciences. Son étude démontre l’efficacité de la méthodologie de modélisation développée et ses applications potentielles dans divers domaines.


Aider les non-experts à créer des modèles mathématiques grâce à la sélection naturelle


Plus d’information:
Aspects topologiques des réseaux dynamiques linéaires : identifiabilité et identification. research.tue.nl/en/publication … s-identifiability-an

Fourni par l’Université de technologie d’Eindhoven

Citation: Nouvelle méthodologie de modélisation pour les réseaux dynamiques à grande échelle (2021, 8 septembre) récupéré le 8 septembre 2021 sur https://techxplore.com/news/2021-09-methodology-large-scale-dynamic-networks.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.