• 1 مقدمه (13)
  • 1.1 سیستم‌های پیچیده (13)
  • 1.2 مدل‌سازی سیستم‌های پیچیده (14)
• 2 مقدمه‌ای بر فرایندهای تصادفی (16)
  • 2.1 تابع توزیع احتمال (16)
  • 2.2 بسط کرامرز-مویال و معادله‌ی فوکر-پلانک (17)
    • 2.2.1 بسط کرامرز-مویال (18)
    • 2.2.2 قضیه‌ی پائولا و معادله‌ی فوکر-پلانک (19)
  • 2.3 معادله‌ی لانژون (20)
    • 2.3.1 معادله‌ی لانژون تک‌متغیره (20)
    • 2.3.2 محاسبات ایتو (21)
    • 2.3.3 معادله‌ی لانژون چند متغیره (22)
  • 2.4 خلاصه (23)
• 3 بازسازی برهم‌کنش‌ها در سیستم‌های پیچیده (24)
  • 3.1 مقدمه (24)
  • 3.2 روش شناسایی برهم‌کنش‌ها در سیستم‌های پیچیده (26)
    • 3.2.1 بررسی ایده‌ی اصلی محاسبه‌ی بردار سوق با مثال خطی (27)
    • 3.2.2 محاسبه‌ی‌ ضریب سوق با وجود برهم‌کنش‌های مرتبه‌ی بالاتر (29)
    • 3.2.3 محاسبه‌ی ضرایب پخش (30)
    • 3.2.4 محاسبه‌ی ماتریس g از ضرایب پخش Dij(2) (32)
  • 3.3 بررسی نتیجه‌ها و مثال‌ها (34)
    • 3.3.1 کاربرد روش مطرح‌شده برای شناخت سیستم های دینامیکی مختلف (41)
• 4 بازسازی برهم‌کنش‌ها در شبکه‌های پیچیده (46)
  • 4.1 تاریخچه‌ی مدل نوسانگرهای کوراموتوی مرتبه‌بالا (46)
    • 4.1.1 مدل نوسانگرهای کوراموتو (49)
    • 4.1.2 نمونه‌های نوسانگرهای کوراموتوی دنیای واقعی (50)
  • 4.2 بازسازی دینامیک نوسانگرهای کوراموتو‌ (51)
  • 4.3 خلاصه (57)
• 5 کاربرد روش‌های بازسازی جدید برای داده‌های iEEG (58)
  • 5.1 برهم‌کنش‌های مرتبه‌ی بالا در دنیای واقعی (58)
  • 5.2 برهم‌کنش‌های موثر (64)
  • 5.3 خلاصه (65)
• 6 کنترل‌پذیری سیستم‌های پیچیده (66)
  • 6.1 کنترل‌پذیری سیستم‌های پیچیده (66)
    • 6.1.1 سیستم‌های خطی ناوردای زمانی (67)
    • 6.1.2 شرط کنترل‌پذیری کالمن (68)
    • 6.1.3 کنترل‌پذیری ساختاری (69)
    • 6.1.4 کنترل‌پذیری دقیق (69)
  • 6.2 اعمال کنترل دقیق بر ماتریس برهم‌کنش موثر iEEG (72)
  • 6.3 نتیجه‌گیری و کارهای آینده (73)
• کتاب‌نامه (74)