题目：深度学习复杂网络流行病动力学
报告人：倪奇，华东师范大学研究生
摘要：深度学习与复杂网络的结合不是一个新鲜的课题，基于随机游走、图分解和图神经网络的网络表示学习方法在诸如链路预测、节点分类和网络重构等方面取得了卓越的进展。但是，机器学习方法与网络动力学的结合的研究却寥寥无几。近年来，统计物理学领域使用机器学习算法学习和识别多体物理系统的二级相变，取得了十分精确的效果。受此启发，我们创造性地将深度学习算法应用在SIS传染病动力学阈值识别的领域。我们首先通过前馈神经网络进行学习，并使用抽样方法和模糊学习模型克服了模型在异质网络上学习困难和训练结果受训练集标签影响大的问题，取得了不错的效果。基于此，我们更进一步使用卷积神经网络同时学习复杂网络的结构和动力学信息：我们将带有动力学信息的网络数据转换为图片，进而得出了一个端到端的，不用额外特征工程的，精确稳定的机器学习框架。我们的工作为深度学习和复杂网络动力学的结合开辟了新方向，提供了新思路。