DMD 脑网络分析讲义提出特征向量相位与数据充分性两道开放难题

一份脑网络动态模态分解（DMD）分析讲义提出两道开放难题：为复数 DMD 特征向量相位建立类似 Davis-Kahan 的有限样本误差界，并以刻画非正规性的量替代谱间隙；提出数据充分性定律，预测特定网络或脑区之间的有限样本“相位可辨识范围”。讲义还以六路交叉口类比多网络交互，并猜测第三个网络或对应大脑中的第三个主梯度。