本论文探讨了利用复杂系统研究自然和人工系统的学习和适应能力，旨在开发能够无需监督学习、自主发展并随时间变得越来越复杂的自主系统。复杂系统被视为理解这些现象的适当框架，因其能够展现复杂性的增长能力。通过理解复杂系统中学习的基本原理，我们希望能够在未来设计和实施更实用的学习算法。该论文的关键贡献有：开发了一个可应用于搜索展现复杂性增长的复杂系统的通用复杂性度量，引入了一种用于研究大规模复杂系统中计算的粗粒化方法，以及开发了一个学习效率度量和一个用于评估学习算法速度的基准数据集。我们的发现大大增进了我们对自然和人工系统学习和适应能力的理解，而且我们的方法为该领域的研究开拓了一个有前途的新方向。我们希望这些发现能激发未来更有效和高效的学习算法的发展。

Jul, 2023

利用计算机模型和模拟技术，对涉及物理、天文、化学、生物、经济、工程和社会科学等领域中的复杂系统进行分析，在传统计算方法难以应对的复杂环境、关系和动态性问题中，多智能体系统具有很强的优势和潜力。

Feb, 2021

用复杂网络建模相互作用系统的动态已成为主要范例，但现实系统的高阶相互作用往往涉及三个或更多单元的团体，因此更好的工具是高阶结构，如超图和单形复合体，本文概述了高阶相互作用引发的集体行为及高阶系统物理面临的三个关键挑战。

Oct, 2021

介绍拓扑数据分析及其对于复杂系统研究的潜在意义，讨论当前方法的优缺点并总结相关实证研究，同时指出未来研究中需要解决的方法学挑战。

Jul, 2018

图形信号处理技术已成为处理非欧几里德空间中的数据的重要工具，然而，人们越来越意识到这些图形模型可能需要扩展到 ' 高阶 ' 领域，以有效地表示高维数据中的复杂关系。本文提出了一种新的观点，认为超图和细胞复合体强调不同类型的关系，具有不同的应用意义，并介绍了一种组合复合体的概念，以实现并存的集合型和层次关系。最后，通过一个简要的数值实验，展示了这种建模灵活性在学习任务中的优势。

Dec, 2023

研究加权网络的结构以揭示其统计性质和不同元素之间连接的组织原则。通过研究科学合作和全球航空运输网络，同时考虑连接的权重和拓扑结构，提出了新的度量方法，发现这些加权网络的组织结构具有层级性和异质性，参数化的方法便于进一步研究。

Nov, 2003

从复杂性科学的角度总结了自然语言研究中使用的主要方法概念，并记录了这些方法在识别语言的通用和系统特征方面的适用性。讨论了数量语言学中三个与复杂性相关的研究趋势，包括对文本中单词频率的研究、基于时间序列分析的方法应用于研究书面文本中的相关性、以及将网络形式主义应用于自然语言研究中。

Jan, 2024

通过物理学类比，定义了基于温度、化学势、熵等参数的文本分类，提出在语言学类比的基础上，研究基因组的方法，同时讨论了熵作为文本分类参数的作用和意义。

May, 2022

本研究考虑了人工智能在复杂人类环境中透明和可解释性的问题，提出了一种基于模式和信念函数的理论框架，并通过高维几何空间的可视化来解释系统行为。

Aug, 2022

本文总结了一个新兴领域 —— 除了成双成对的相互作用的网络。本文介绍了表示高阶相互作用的方法，并重点讨论了高阶动力系统和动态拓扑的快速增长的研究，并集中讨论了传播、同步和游戏等的新兴现象，当这些波及的节点多于两个时，阐明了高阶拓扑与动态属性之间的关系，并提供了实证应用的概述，展望了当前建模和概念前沿。

Jun, 2020