级联效应
分布无所不在，高概率的收益低，低概率的收益高，这是耦合的形式
小世界理论，聚度，收敛半径，这是大规模的规律涌现
遗传的基因的组合和表达
我的目标是构建一个网络的比较完整的构架
?ure，1998小世界模型
?barabae，1999无标度网络
从物理出发构建网络实体概念，再回到物理的统计
应该考虑边的连接可能产生影响，两点的关系构建不是理所当然的，而是概率的，有一定的转换率。强调边的相互作用，其有一定的衰减半径，只有距离足够近的节点间的边的构建是相对独立的。
在各个独立的节点寻找关系构建联系，需要选取不同的标准构建不同强度的联系，形成各种亚层如人际交往的小圈子，视为一阶的路径耦合
网络的局域性，统计意义的节点群，其可以投影为高维的循环耦合
节点不是质点，其是高维的循环的耦合点
网络拓扑是整体的变化，可视为是信息的转换，因为一些循环可能由于路径问题破裂也可能构建新的循环
网络动力学，新节点倾向于依附高连接度的中心节点，这使得其同样有机会形成中心节点，这是个转换率（求上得中，求中得下），当然这也是概率分布的，只有极少数节点真正成为中心节点，但其余的也不差
要统合实验数据，要选择比较好的层次，原有的知识也是很好的先验概率
问题是证明其有效性，我的想法是使其保持可成长性，在迭代中不断成熟，与现实的复杂网络有足够大的相似性。我的载体就是生物的机体网络，通过医学或药物的实验来评价效果
集成，可能表现出明显的规律，参照集成电路
整体的物理统计和个体的无序是一对矛盾，我们能否效仿前辈普朗克，引进量子化的观点，沟通整体和个体。引进新的层次，如rna之于dna整体在一定的时间维度视为结构的概率，个体在短时间内是随机表达的概率。
网络的变形是信息的传递过程
网络的交通，是资源的自我配置过程，如同波函数。我们确定输入和输出以及确信节点总能运动到目的地，这就是高维的节点之间的连接。现实的具体路径都是选择性表达的结果，概率坍缩
变化是动态的，网络式的变化才能到达目标，但这又得不偿失：引进新层次会被消化
引进经济学的思想，自由市场会达到配置的目的，但这过程是不均衡的，也永远达不到稳态；强调一定的规则，个体在一定框架下可以爆发出无限的可能性，由于选择机制的存在使得总有小比例的才能存活，但这时的绝对总量已经大大增加了；竞争导致的多维度分化，我修车你种地，在整体可以通过市场选择形成整体；有跟风就有独立，选择的多元性和数目的分布（中心节点少一般节点多），这是一种耦合，这对群体的存活延续是必要的，比例和平衡
涌现是多层次的概率集成
大数据，概率，组合的无限可能性，但重要的是有意义的组合序列和分布，重在模式的构建，即本征
维度的整体变化，边界的模糊，即可能性的构建更加多元
任何数据都是多个概率网络的选择性表达的结果，如隐马尔科夫模型。如何将表观数据分解为基因层次
用可视化手段来理解数据是利用人这个网络进行的二次处理
关系网络，比例和概率是其共性
基因组作为实体，表达也是实体，这两者应该是相互耦合的，彼此是互相形成的，如同动态平衡，环境则决定k
我们总要寻找不变的实体作为保障，最后发现以变化的实体的变化规律为不动点是个更高维的选择
数量与复杂度成一定的正相关，但后者更重要
大规模数据的相互作用可以根据耦合层次得到本征，如预测疾病表达形式
定性的描述节点的选择（实际上是在层次更加低的循环中选择性表达），以象为单位
表达以频率表示，可络结构
趋势从高维数据的体现，如高层的领导可能看到统治延续的不可能。层次的衍生与节点的距离关系相关如果一个领主对自己领地的统治力开始降低，间接统治的方式就根本不会出现。但是随着这个领主控制力降低的影响扩展到遥远的乡村——很有可能是由于科技进步——却会导致领主关系网络逐渐被简化，并且最终消失
路径选择和匹配，打分矩阵