Small-world and the growing properties of the Chinese railway network

By using the tools of statistical physics and recent investigations of the scaling properties of different complex networks, the structural and evolving properties of the Chinese railway network (CRN) is studied. It has been verified that the CRN has the same small-world properties of the Indian railway network (IRN). According to the class of small-world networks, we believe the CRN is a single scale. In addition, a novel result is obtained. Measurements on the CRN indicate that the rate at which nodes acquire links depends on the node’s degree and follows a power law.      

空间关联白噪声影响下小世界神经元网络系统的同步动力学

以电耦合的Terman-Wang小世界神经元网络系统为研究对象, 研究了空间关联白噪声影响下神经元网络系统的同步动力学. 首先将动力学平均场近似理论扩展到受空间关联白噪声影响下的小世界网络系统中, 将描述网络系统动力学演化的2N维随机微分方程简化为11个确定性的矩微分方程. 其次, 基于动力学平均场近似理论所推导的矩方程, 讨论了空间关联噪声、网络结构参数对神经元网络系统同步动力学的关键影响, 发现较大的噪声空间关联系数、耦合强度及节点平均度均对神经元网络系统同步放电具有积极作用. 进一步地, 利用计算机仿真数值模拟原神经元网络系统的同步动力学, 并与基于动力学平均场近似理论所得到的结果进行比较, 发现二者具有较好的一致性.     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

Power law and small world properties in a comparison of traffic city networks

We analyze the statistical properties of the urban public bus networks of two cities (Beijing and Chengdu) in China. To this end, we present a comprehensive survey of the degree distribution, average path length, and clustering of both networks. It is shown that both networks exhibit small world behavior and are hierarchically organized. We also discuss the differences between the statistical properties displayed by the two networks. In addition, we propose a weight distribution approach to study the passenger flow through the public bus networks we considered. A hierarchical structure is observed here also.     

Controlling bifurcations and chaos in discrete small-world networks

We propose an impulsive hybrid control method to control the period-doubling bifurcations and stabilize unstable periodic orbits embedded in a chaotic attractor of a small-world network. Simulation results show that the bifurcations can be delayed or completely eliminated. A periodic orbit of the system can be controlled to any desired periodic orbit by using this method.     

小世界网络中的相分离和超大磁电阻效应

由于自旋、轨道、电荷和晶格的关联作用,具有超大磁电阻效应的锰氧化物表现出自发的相分离特征和复杂网络的输运特性.小世界网络是介于规则网络与无规网络之间的一种新的网络构形,它能够很好地描述锰氧化物的相分离特征.我们运用蒙特卡罗方法研究了基于小世界网络的一维伊辛自旋链中的磁输运性质,发现小世界关联会导致自发的长程序.随着小世界长程作用的增强,铁磁相的区域扩大,同时体系的磁性相变温度升高.相应的电阻网络模拟显示,在铁磁—顺磁转变温度附近,磁电阻效应有了很大的提高,很好地解释了锰氧化物中的相分离现象与超大磁电阻效应.     

小世界网络与无标度网络的社区结构研究

模块性(modularity)是度量网络社区结构(community structure)的主要参数.探讨了Watts和Strogatz的小世界网络(简称W-S模型)以及Barabàsi 等的B-A无标度网络(简称B-A模型)两类典型复杂网络模块性特点.结果显示，网络模块性受到网络连接稀疏的影响，W-S模型具有显著的社区结构，而B-A模型的社区结构特征不明显.因此，应用中应该分别讨论网络的小世界现象和无标度特性.社区结构不同于小世界现象和无标度特性，并可以利用模块性区别网络类型，因此网络复杂性指标应该包括 关键词： 模块性 社区结构 小世界网络 无标度网络     

基于Durer五边形的复杂网络特性研究

分析了Durer五边形的复杂网络性质,采用添加中心结点的方法构造出了一种新颖的基于Durer五边形且同时具有分形特征和小世界特性的确定性复杂网络,研究了其平均度、聚集系数、平均路径长度以及分形等网络特性,结果表明:文中所构造的网络具有小世界特性和分形特征.     

Harmonic stochastic resonance-enhanced signal detecting in NW small-world neural network

The harmonic stochastic resonance-enhanced signal detecting in Newman-Watts small-world neural network is studied using the Hodgkin-Huxley dynamical equation with noise.If the connection probability p,coupling strength g syn and noise intensity D matches well,higher order resonance will be found and an optimal signal-to-noise ratio will be obtained.Then,the reasons are given to explain the mechanism of this appearance.     

基于动态搜索区域的无线传感器网络小世界特性构建方案

为了减少无线传感器网络节点的能量消耗,以延长无线传感器网络的寿命,首先研究了如何通过在无线传感器网络中构建小世界特性以延长其网络寿命,并着重分析了DAS(directedangulation tow ards the sink)方案.然后针对DAS方案中临近sink节点区域内的节点能量过快消耗的问题,提出了一种在无线传感器网络中构建小世界特性的新方案——菱形区域方案.该方案根据sensor节点到sink节点距离的大小,动态地改变菱形捷径端点搜索区域的大小,达到构建小世界特性并增强网络抗毁性的目的.理论证明了菱形区域方案在一定条件下较DAS方案既节省能量又能延长网络的寿命.