本研究提出了一种基于压缩感知的框架来重建随机扩散动力学下的复杂网络，并应用到模型和真实网络中。研究表明，从少量二元数据可以实现不均匀交互的全面重建。此外，该方法还可以确定并高度可信地定位隐含的触发扩散过程并在其外部不可访问的源，从而为追踪和控制复杂网络系统中的流行入侵和信息扩散建立了一个范例。

Jul, 2014

本文描述了一种从多元时间序列数据中推断功能连接网络的基本和系统化过程，旨在解释不确定性网络度量带来的不确定性，并展示了其在模拟数据和人体神经数据中的可靠性。

Mar, 2009

在研究中，我们介绍了一种适用于大规模稀疏网络的直观客观函数来量化聚类结果的质量，并且通过模拟网络的优化试验和基准问题的应用来证明了这种方法的实用性和准确性。

May, 2024

本文综述了现有的从数据中推断网络的方法，探讨了构建网络表示、针对不同领域的问题和任务、以及通过验证策略来测量推断网络的能力等问题。

Oct, 2016

这篇论文提出了一种从网络数据中推断出分层结构的通用技术，并证明了层次结构的存在可以同时解释和定量重现网络的许多常见的拓扑特性，同时还展示了层次结构的知识可以用于高精度地预测部分已知网络中的缺失连接，这表明分层结构是复杂网络的一个核心组织原则，能够为许多网络现象提供深刻洞察。

Nov, 2008

本文提出一种概率模型，通过结合相互激励点过程与随机图模型来分析无法直接测量的潜在网络，利用 Poisson 重叠原理实现了优雅的辅助变量公式和完全的贝叶斯并行推理算法，并在多个数据集上进行了实证评估。

Feb, 2014

在复杂网络中找到聚类问题已经被数学家、计算机科学家以及近年来的物理学家广泛研究。本文提出了一种在加权网络上运用的方法，该方法可以识别 “聚类之间” 的节点，并允许对聚类的稳定性进行一般的度量，最后通过在真实网络中运用 Markov 聚类算法说明了该方法的有效性。

Mar, 2005

这篇论文回顾了近年来研究网络系统（如 Internet、社交网络和生物网络）的各种技术和模型，包括小世界效应、度分布、聚类、网络相关性、随机图模型、网络增长模型和动态过程。

Mar, 2003

本文总结了最近复杂网络中连接预测算法的进展，强调了物理观点和方法的贡献，同时引入三个典型应用：网络重构、网络演化机制评估和部分标签网络分类，并介绍了预测算法的一些应用和未来挑战。

Oct, 2010

将复杂网络和机器学习技术相结合，提出了新的神经网络架构以及用于分析和预测人类流动的算法，并开发了用于追踪城市规划中的缺陷和关键节点的技术。

Jun, 2022