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 

 

转载本文请联系原作者获取授权，同时请注明本文来自杨锐科学网博客。
链接地址：https://blog.sciencenet.cn/blog-446455-434580.html

上一篇：[文章介绍6]： GAME on networks [更新程序源码]
下一篇：citation 啊 citation，长吧长吧。。 呵呵