Es gibt eine Vielzahl hochstochastischer nichtlinearer dynamischer Systeme
Bereichen wie der Molekularbiologie, Chemie, Epidemiologie, und Ökologie. Noch,
Keines der derzeit verfügbaren stochastischen Modelle ist sowohl genau als auch
recheneffizient für langfristige Vorhersagen großer Systeme. Der
Lineare Rauschnäherung (LNA) Modell für biochemische Reaktionsnetzwerke ist
analytisch nachvollziehbar, was es recheneffizient macht für
Simulation, Analyse, und Schlussfolgerung. Jedoch, es ist nur für linear genau
Systeme und kurzfristige Übergänge. Mit anderen Methoden kann eine höhere Genauigkeit erreicht werden
über ein breiteres Spektrum von Systemen hinweg, einschließlich nichtlinearer, aber es mangelt ihnen an Analyse
Lenkbarkeit. Dieses Papier versucht, die vorherrschende Ansicht von herauszufordern
Dies zeigt, dass die lineare Rauschnäherung tatsächlich nichtlineare Signale erfassen kann
Dynamik nach bestimmten Modifikationen. Wir stellen ein neues Framework vor
nutzt die Zentrumsmannigfaltigkeitstheorie, die es uns ermöglicht, einfache Interventionen zu identifizieren
der LNA, die seine Recheneffizienz nicht wesentlich beeinträchtigen. Wir
spezifische Algorithmen für Systeme entwickeln, die Schwingungen aufweisen bzw
Bistabilität und demonstrieren ihre Genauigkeit und Recheneffizienz
mehrere Beispiele.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: