Nonlinear Network Identifiability with Full Excitations

Technische Samenvatting: Niet-lineaire Netwerkidentificeerbaarheid met Volledige Excitatie

Probleemformulering
Dit artikel behandelt het probleem van netwerkidentificeerbaarheid voor niet-lineaire systemen die worden gekenmerkt door additieve dynamiek op randniveau. Het netwerk wordt gemodelleerd als een zwak verbonden gerichte graaf $G=(V, E)$ waarbij de toestand van elke knoop $i$ op tijdstip $k$ wordt bepaald door een extern excitatiesignaal $u_{i}^{k-1}$ en de voorgaande outputs van zijn in-buren $j \in N_i$ via niet-lineaire functies $f_{i,j}$. Het model gaat uit van volledige excitatie (alle knopen kunnen worden geëxciteerd) en een eindig geheugen. Het doel is om de noodzakelijke en voldoende voorwaarden te bepalen voor de verzameling gemeten knopen ($N_m$) zodat de lokale dynamica (de functies $f_{i,j}$) uniek geïdentificeerd kan worden vanuit het globale gedrag (de input-output relaties $F_i$).

De analyse maakt onderscheid tussen twee primaire topologische gevallen:

1. Gerichte Acyclische Grafen (DAGs): Netwerken zonder cycli.
2. Algemene Digrafen: Netwerken die cycli kunnen bevatten.

De studie beschouwt specifieke klassen van niet-lineaire functies, variërend van alle continu differentieerbare functies tot tweemaal continu differentieerbare functies met specifieke eigenschappen (bijv. $f(0)=0$ en niet-lineaire componenten).

Methodologie
De auteurs maken gebruik van een theoretisch kader gebaseerd op principes van systeemidentificatie, uitgaande van een ideaal scenario waarin de globale input-output functies $F_i$ perfect bekend zijn. De methodologie verloopt als volgt:

1. Restrictie van de Klasse: De auteurs analyseren identificeerbaarheid binnen specifieke functieklassen. Ze beschouwen eerst de klasse van alle functies ($\mathcal{F}_{ALL}$) en verfijnen dit vervolgens naar continu differentieerbare functies zonder statische offset ($\mathcal{F}_Z$, waar $f(0)=0$), en tot slot naar tweemaal continu differentieerbare functies die niet puur lineair zijn ($\mathcal{F}_{Z,NL}$).
2. DAG-analyse: Voor DAGs maken de auteurs gebruik van de eigenschap dat informatie unidirectioneel stroomt. Ze hanteren een recursieve aanpak, beginnend bij de sinks (knopen zonder uitgaande randen). Belangrijke lemma's stellen vast dat als een knoop $i$ wordt gemeten en een in-buur $j$ heeft met een uniek pad naar $i$, de randfunctie $f_{i,j}$ geïsoleerd kan worden. Voor algemene DAGs gebruiken ze een "verwijdering van een knoop"-argument (Lemma 4) om aan te tonen dat als een knoop met een uniek pad naar een gemeten knoop wordt geïdentificeerd, de identificeerbaarheid van de resterende subgraaf recursief kan worden geanalyseerd.
3. Algemene Digraaf-analyse: Voor grafen met cycli omvat de input-output relatie een oneindig aantal voorgaande inputs. Om dit aan te pakken, introduceren de auteurs Aanname 3 (het netwerk is in rust bij $k=0$) en Aanname 4 (functies zijn additief scheidbaar). Onder deze aannames construeren zij een unfolded digraph $H_i^k(G)$, wat een in de tijd uitgebreide, acyclische representatie is van de oorspronkelijke graaf tot tijd $k$. Deze constructie transformeert het cyclische identificatieprobleem naar een DAG-identificatieprobleem.
4. Condensatie-digraaf: Voor algemene digrafen maken de auteurs gebruik van de condensatie-digraaf $C(G)$, waarbij elke sterk samenhangende component wordt samengevoegd tot één knoop. Omdat $C(G)$ een DAG is, worden de resultaten afgeleid voor DAGs toegepast op $C(G)$ om de noodzakelijke metingen voor de oorspronkelijke graaf te bepalen.

Belangrijkste Bijdragen en Resultaten

• Onmogelijkheid in Algemene Niet-lineaire Klassen: Het artikel toont aan dat voor de klasse van alle functies ($\mathcal{F}_{ALL}$) identificatie onmogelijk is als een knoop meer dan één in-buur heeft, zelfs bij volledige meting. Dit komt door het onvermogen om constante verschuivingen in additieve functies te onderscheiden (Proposition 2).
• DAGs met Gladde Functies:
  • Voor padgrafen en bomen in de klasse $\mathcal{F}_Z$ (continu differentieerbaar, $f(0)=0$) is de meting van de sink noodzakelijk en voldoende.
  • Voor algemene DAGs in de klasse $\mathcal{F}_{Z,NL}$ (tweemaal continu differentieerbaar, $f(0)=0$, en niet puur lineair) is de meting van alle sinks noodzakelijk en voldoende (Theorem 1).
  • Significantie: In tegenstelling tot lineaire systemen, waarbij het identificeren van uitgaande randen van een knoop meerdere vertex-disjuncte paden naar gemeten knopen vereist, maken niet-lineaire systemen de identificatie van alle randen mogelijk door enkel de sinks te meten, mits de functies voldoende glad en niet-lineair zijn.
• Algemene Digrafen:
  • Onder de aannames van initiële rust en additief scheidbare functies, is een algemene digraaf identificeerbaar indien en slechts indien één knoop in elke sink van de condensatie-digraaf wordt gemeten (Theorem 2).
  • Dit resultaat breidt de DAG-bevindingen uit naar cyclische netwerken door gebruik te maken van de unfolded digraph-constructie, waarmee wordt bewezen dat het meten van de sinks van de condensatie-graaf de identificeerbaarheid van alle wandelingen (walks) in het oorspronkelijke netwerk garandeert.

Significantie en Claims
Het artikel claimt de eerste identificatievoorwaarden voor niet-lineaire netwerken in discrete tijd af te leiden op basis van netwerktopologie. De primaire significantie ligt in het contrast met lineaire systeemidentificatie:

• Zwakker Meetvereisten: In niet-lineaire netwerken zorgt de niet-lineariteit van de functies ervoor dat het systeem informatie die via verschillende paden arriveert kan onderscheiden (in tegenstelling tot het superpositieprincipe in lineaire systemen). Bijgevolg wordt de vereiste van meerdere disjuncte paden naar gemeten knopen versoepeld.
• Noodzaak van Sink-meting: De auteurs tonen aan dat voor DAGs het meten van sinks niet alleen voldoende maar ook noodzakelijk is. Als een sink niet wordt gemeten, kunnen de bijbehorende inkomende randen niet worden geïdentificeerd.
• Rol van Functie-eigenschappen: De resultaten benadrukken dat identificeerbaarheid sterk afhankelijk is van de klasse van functies. Specifiek maakt de aanwezigheid van constante termen (niet-nul $f(0)$) identificatie onmogelijk voor knopen met meerdere in-buren, en voorkomen puur lineaire functies de scheiding van paden die de niet-lineaire afgeleiden mogelijk maken.

Het artikel concludeert dat hoewel de analyse uitgaat van ideale omstandigheden (perfecte kennis van globaal gedrag, specifieke functieklassen), deze theoretische grenzen een fundamentele intuïtie bieden voor experimenteel ontwerp. Als een rand niet identificeerbaar is onder perfecte informatie, kan deze niet worden geïdentificeerd met gedeeltelijke informatie. Het werk legt een fundament voor toekomstig onderzoek naar niet-additieve modellen en niet-differentieerbare functieklassen.