||
Title:1. Predicting catastrophes in nonlinear dynamical systems by compressive sensing paper
2. Time-series based prediction of complex networks via compressive sensing (待补)
八卦:这篇,哎,太多的艰辛,从刚开始做sensing都差不多两年了吧,其实刚开始work on的是最近才接受的EPL那篇,那篇可以说是一篇集大成的,既能detect动力系统,也能探测网络结构,不过说白了,两个本来就是一个东西,网络结构就是耦合的动力系统,感觉在说废话。呵呵。所以当初也是try letter,审了大概三轮吧,费了超多事,最终要是夭折,也在外围试了一圈牛杂志,最后灰溜溜的到了EPL。。总结下来,客观原因,那时候sensing在物理这块知道的比较少(记得其中一个审稿人直接说,我觉得这个文章更适合数学杂志),主观原因,文章里最初说的太大,这也能干那也能干,referee就提了一堆更好的设想,比如这能探吗?那能探吗之类的。。我们就要 一个一个回。。 哎。。加之现在自己也有一些审稿经验,我觉得一篇文章就两点:你提的是什么问题,这个问题你用什么办法解决的。至于文章的档次就和这两点直接相关了, 感觉这两点能中一个,至少能到PRE之类的 ,都不错,就可以试试letter了。。
Compressive sensing 到底是个啥:
好问题,说到底,就是解方程~!用少量的方程数解未知数很多的情况。。比如我们有个时间序列,shannon告诉我们,sampling rate 要至少是bandwidth两倍,但是用sensing,在某些特殊情况下,没有这个限制,也就是sparse sampling,这几个词都是一个意思。。大家感兴趣的话可以去http://dsp.rice.edu/cs 看下,里面暴多ppt,文章啥的。。 下面还有源码。。 我们用的就是这个http://www.acm.caltech.edu/l1magic/ 虽然我们稍微改了下。。
我可以用Compressive sensing干点啥呢:
更好的问题,说了这个,大家就可以在自己各自的领域去“发挥”一下下了(记得引俺们的文章哦)。。第一点,要有方程,没方程咋办,看能不能造个方程,第二点,你探测的量要sparse,也就是说大部分要是0,以我们这个工作为例,动力系统,本身就是个方程,第一点满足了,然后假设我们只知道时间序列的某些数据点,能不能把方程重构出来呢? 我们就选取power series为基底,这样我们需要探测的量就是这些power series的系数了,你增加基底的数目,这样探测的量就可以sparse了,因为你加的这些不相关的基底,前面系数都是0.。。。 这个时候需要的是,稍微yindang的笑,这么“强悍”的idea,肯定不是出自 我。。。。谁? 大家难道不知道。。:)
这种detection的反问题,不好整,真不好整。。 整出来,也不好写文章。。因为你写的时候也要假设啥都不知道,所以你能做出一点突破,就不错了,假设啥都不知道也不现实,这一块肯定是火的,所以一点点break through就可以了。。 不要给自己强加那么多限制就可以了,比如假设我们知道点东西,再来探测需要的东西。。
程序我就不直接公开了,仔细看看这个吧,http://www.acm.caltech.edu/l1magic/我们用的是l1eq….那个。。
另外,我发现citation增长的速率和在这里发帖成正比的,呵呵
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-7-28 12:31
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社