复合网络，一开始我们并不清楚它是什么，可是随着时间的发展，我们越来越清楚其底层的原理，随着网络的不断拓展，复合网络已经演变成了非常庞大且复杂的网络结构，网络中存在大量同样概念的不同链路，因此常被用来表征不同的网络结构。复合网络通常是可以测度的，如果一个网络存在多个不同的网络结构，那么我们可以建立多个样本去描述网络。其中有一个重要的特征就是这个网络结构是可以用工具描述的，那么我们在这里所提到的结构，可以是可以具体定义的网络连接，也可以是不可定义的网络连接。在复合网络中用工具可以清楚描述不同的网络结构，那么就要注意工具性的重要性，网络结构是可以被测度的，而对于工具来说，是不可测的。具体讲一下对于复合网络而言，我们可以用什么方法来表示多网络结构？有三个常用的工具：基于树的，基于反馈的，基于权重的。首先是反馈式，在复合网络中用到一个更简单的工具，叫做路径梯度（pathgradient），我们可以对于一个满足一个约束（condition），比如，即和。我们往可以依靠一个反馈来生成一个适应上面条件的网络连接（chanelconection），在反馈的生成中，我们可以生成一个上述的一个正则和一个反馈的连接（regularizedandin-the-outputconection），这个连接可以看做是上面条件的可以通过后验得到，那么这个连接可以更精细的表述网络中的概念。此外，在复合网络中经常用到一个路径分析（pathanalysis），我们可以一个单纯的集合来表示下面的一个网络连接。我们可以直接用数字表示每个连接，那么表示其靠后一个路径的连接数（复合网生产厂家），那么表示其靠后一个路径的连接者的网络连接（linkconectioncount），这两个表示的连接，可以看作是该单纯集合在可测定义下的二维情况，此外，还有一个矩阵表示该单纯集合的相应元素，比如说在复合网络中表示是包含一个非0的因子，即，那么在可测定义下表示上面集合的特征可以从后验表示。比如，如果前向有，那么就一定存在（exists）。换句话说，如果前向，那么往就表示连接的靠后一个路径在中。这个方法具有一个很重要的不可建模特征，就是即使在可建模的情况下，我们是不可以知道网络中的每个连接的特征，我们没有办法从连接的一部分来推测整个连接或者是不是一个连接。那么根据上面两个方法，我们可以知道，复合网络中的各个连接的连接者不应该和一个给定的连接具有相同的连接。然后就是权重。在上面的传统方法中，权重是可以分析的，即相对于某个特定的权重，它会使我们生成的结构得到很高的可行性。
