مروری بر ارزیابی و مقایسه الگوریتم های نگاشت سری زمانی به شبکه های پیچیده مبتنی بر گراف

شبکه های پیچیده به عنوان بازخورد موثر سیستم های پیچیده، توجه محققان را به کاربردهای عملی خود جلب کرده اند. آن ها همچنین نمایانگر یک روش جدید برای تحلیل سری های زمانی هستند. ارتباطات مغزی تخمین زده شده که در حال حاضر از مهمترین موضوعات در حوزه علوم اعصاب است و به دانشمندان این امکان را می دهد تا اطلاعات جامعتری در مورد عملکرد مغز به دست آورند را میتوان بوسیله یک گراف نشان داد و با استفاده از تئوری گراف تحلیل کرد. نظریه گراف یک چارچوب یکپارچه برای مدل سازی و بررسی سیستم های پیچیده تشکیل می دهد. علاوه بر این ویژگیهای آماری شبکه میتواند برای به دست آوردن اطلاعات موجود در سری های زمانی مورد استفاده قرار گیرد، لازم به ذکر است که در عصر حاضر، رویکرد شبکه و نظریه گراف تبدیل به یک میدان نوظهور برای تشخیص بیماریهای مغزی شده است. در این مقاله به مروری بر روشهای مختلف برای تبدیل سری زمانی به گراف پرداخته شده و مشکلات و مزایای هر کدام بررسی شده است.