基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

超网络的模型及性质

本文对基于超图的超网络模型提出几类构建算法,给出了演化过程,模型构建基于很多现实网络都具有的超边增长和超度优先连接机制.通过模拟演化过程,数值仿真超度分布规律,得出超网络所具有与复杂网络相同的无标度特性,并介绍了超网络的一些基本性质.     

区域旅游合作—竞争网络演化建模与仿真

基于旅游目的地和旅游者二类节点的区域旅游合作—竞争网络二分图,构建了一个基于吸引优先连接的区域旅游合作—竞争网络演化模型,用于描述各旅游目的地累积接待旅游者人数增长演化过程.以中国入境旅游系统2005～ 2009年数据为例,采用SPSS软件对演化模型的仿真理论值和实际值进行回归分析,探索该模型的正确性.由于F=1.005×104＞F1.29(0.05)=4.18,因而从统计意义上验证吸引优先连接是该网络的关键演化机制.     

G-Cut密集交织神经元簇精确分割

<正>脑是宇宙间最为复杂的系统之一,成人的脑中有约1 000亿个神经元,单个神经元通常与其它神经元有成千上万个"突触"连接节点,形成拥有百万亿级连接的极其复杂的脑神经网络.人类个体的行为、认知功能与大脑神经网络的形态及其连接方式有着密切联系.另外,已有研究表明,众多的神经系统疾病,如阿尔兹海默症,自闭症等都与大脑内神经元的形态异常有关.因此,结合前沿的神经影像成像、先进的计算     

中国城市航空网络航线连接机制分析

航空网络具有重要的经济价值和社会价值.该文研究了中国城市航空网络,其中城市是节点,具有直航航班之间的城市相互连接.实证数据发现,该航空网络度分布是双段幂律的.通过对优先连接模型进行数值分析,该文发现无论是以几何距离还是以城市规模做为优先连接的指标,都无法再现该网络的度分布特征.该文猜想城市经济发展程度主要决定了该城市在航空网络中的地位.偏相关分析表明第三产业产值与航空客运量的相关程度最高.基于此,该文建立了以第三产业产值作为优先连接指标的航空网络演化模型,该模型很好地再现了实证网络的拓扑特征.该文成功将网络节点的外部特征引入网络演化模型中,拓广了网络演化模型的研究视野,不仅提出了航空网络演化机制新的解释,而且对于网络建模的理论研究具有一定的借鉴价值.     

基于节点吸引力的可调参数复杂网络模型

针对真实网络的生长演化规律,以及BA无标度网络模型和原始的节点吸引力模型在择优连接以及生成网络统计特征方面所存在的问题,综合考虑复杂网络生长演化过程中节点度和节点吸引力的择优连接特性,提出了一种基于节点吸引力的可调参数复杂网络模型. 理论研究与仿真实验分析表明,基于节点吸引力的可调参数复杂网络模型可以有效生成结构稳定并与实际网络统计特征很接近的复杂网络,通过调节模型参数可以灵活调整网络的生长演化过程. 模型生成的网络度分布仍然服从幂律分布,并且具有较高的群集系数和平均路径长度.      

动态短信通信复杂网络演化模型研究

为了深入理解手机短信通信网络的演化规律,通过分析手机短信通信网络生长过程的特点,研究了已有复杂网络演化模型刻画短信通信网络生长过程的不足,从而建立了短信通信复杂网络的动态演化模型.该模型在考虑网络动态增长的同时,兼顾了网络内部边的动态演化以及节点的退出,更细致、真实地刻画了短信网络的动态演化特性.实验结果显示,该模型所生成的网络规模表现出有增有减的动态演化过程,与现实情况相吻合,能够更加客观地模拟与刻画短信复杂网络的特征与演化状况.     

一种新的元胞网络模型

用元胞替换传统人工神经网络中的神经元,以局部连接取代相邻层级元胞之间的全连接,用规则演化算法替代BP算法,建立元胞网络模型．设计了元胞网络的训练过程：内嵌的遗传算法用于寻优各元胞状态离散化边界值以及元胞网络拓扑结构．以一个红酒分类基准数据为例,检验了元胞网络的学习性能和分类性能,获得了较为满意的结果．     

基于脑电功能连接微状态序列递归分析的情绪解码模型

脑电微状态代表准稳定的全局神经元活动，被认为是大脑动力学的构建模块，而基于微状态概率统计的特征不能很好表征脑电的动态变化特性。针对该问题提出了基于脑电微状态序列递归分析的情绪解码模型。该模型通过聚类从脑电功能连接模式中提取出具有代表性的微状态典型模式，将原始脑电信号映射为微状态时间序列，构建递归图表征脑电动力学特性，并利用卷积神经网络对递归图实现情绪解码。在公开的脑电情绪数据集(DEAP)上的实验结果表明该模型实现了比传统微状态方法更好的情绪解码效果。     

基于Agent的企业人际关系网络的演化模型

应用基于Agent的建模方法,根据企业组织中行为个体的行为特点,设计Agent节点的行为策略,构造智能Agent节点,使Agent节点能够自主地选择是否与其他节点建立联系或取消联系,形成基于Agent的企业人际关系网络的演化模型,并对其进行仿真实验,观察企业人际关系网络的生成和演化过程。同时,运用复杂网络的统计特征分析企业人际关系网络模型在演化过程中的变化规律。结果表明,企业人际关系网络是随着Agent节点寻找资源的行为逐渐生成和演化的,网络结构也随着企业组织系统的演化不断变化,最终形成了具有"小世界"特性和"无标度"特性的复杂网络。     

动态演化下的无标度网络生成算法

当无标度网络上的动力学过程导致网络结构动态演化时,随机性会破坏网络的无标度属性.为了解释动态演化下的一些网络具有无标度特征,提出一种无标度网络生成算法(SFNGA),该算法能充分考虑到现实网络随机性强的特性,结合边度优化策略,加入出生率和死亡率等参数来模拟动态演化过程,在面对节点和边的随机增加或删除时,能保证动态演化下的网络一直是无标度的.理论分析及实验结果均表明:动态演化下的无标度网络生成算法确实能在动态演化下保存网络的无标度特征,并能够抵抗随机性的干扰.     

基于两种不同择优概率下的无标度网络模型

基于标准的无标度网络模型,建立了一般的网络动力系统所符合的偏微分方程,不仅给出无标度网络的一个拓扑性质,而且讨论了其中每个功能函数的实际意义.接着本文扩展了BA网络模型增长的"度优先连接机制"原则,从更一般的情形出发,建立了一类具有2种不同优先连接概率共存的网络模型,通过理论分析,得知该模型具有无标度特性.最后对无标度网络的幂律指数γ的取值范围与多种择优概率并存现象之间的相互关系做了探索,并依据节点在整个网络中的"贡献度",提出了一类优先连接概率.     

国家自然科学基金重点项目“大脑皮层中兴奋和抑制的动态平衡机制研究”介绍

<正>大脑皮层是由神经元通过突触连接形成的超级神经网络,网络中的各种神经环路是实现大脑认知活动的功能模块。皮层网络主要由兴奋性锥体细胞和抑制性中间神经元组成,这些神经元介导的兴奋性和抑制性信号是相辅相成的,两者间的平衡是大脑发挥正常功能的前提,当平衡被打破时会导致皮层网络活动异常以及脑疾病的发生,如焦虑、精神分裂症、癫痫等。因此,研究大脑皮层中兴奋和抑制的动态平衡机制对了解正常脑功能的神经基础和     

基于J&R模型的神经集群模型综述

神经集群模型是一类宏观的神经计算模型,通过描述神经元总体的平均特性来反映某类神经元的整体放电行为。此类模型参数简洁并具有明确的生理学含义,能够很好地用来模拟宏观脑电信号,广泛应用于大脑生理病理机制研究中。文中针对JR神经集群模型及其改进模型(包括David模型、Wendling模型和Ursino模型),分别从建模思想、模型结构和仿真结果等方面进行了系统阐述与比较研究。     

一种超网络演化模型构建及特性分析

现实世界的很多超网络比如科学家合作超网络,演员合作超网络,WorldWideWeb（WWW）以及引文超网络都具有超边的增长和优先连接机制.基于这个原则,本文构建了一种超网络动态演化模型,并介绍了这个模型的一些基本拓扑性质,如节点度、节点超度、超边的度等.在此演化模型上重点理论分析了超度分布的特性,并进行了仿真实验,发现随着网络规模的增大,这个超网络动态演化模型的超度分布遵循无标度的特性.     

一类推广阿波罗网络模型的若干统计指标研究

提出了一种具有无标度、增长性和优先连接特性的网络模型,并且分析了网络模型的构造算法,刻画了网络结构的点、边数目特性,计算了网络模型的度累积分布,论证了外边数可变的阿波罗网络的度累积分布均满足幂律分布.进一步研究了瓦解度等指标,对该网络结构受到蓄意攻击后的受损程度进行了评价.     

基于复杂网络理论的装备保障网络模型研究

从网络科学的观点出发,对装备保障网络生成机制进行研究,针对其严格的等级结构和一定的随机连接特性,在对树状网络和确定性复杂网络模型研究的基础上,提出了一个装备保障网络演化模型.该模型考虑了网络中节点和边的实际物理属性,引入了随机连接参数,实现了混合生成的装备保障网络演化机制,并仿真分析了模型中迭代步数、子节点数目、随机连接因子这3个参数对装备保障网络整体性能的影响规律,验证了该模型的有效性和适用性.     

基于偏微分方程的增长网络结构分析

为了研究网络的功能,需要首先研究增长网络的拓扑结构,包括网络的度分布和节点度等。当网络规模足够大时,将网络节点的度看作连续变量,根据网络演化过程中所满足的马尔科夫性,建立网络节点数量的变化方程,从而化简变形得到基于一阶双曲方程的增长网络模型。求解得到了兼具优先和随机2种连接机制的网络度分布P(k)和节点度kt0(t),同时也发现了节点度函数与双曲方程特征线之间的关系。根据网络的演化机制,通过对该增长网络模型进行随机模拟,验证了度分布与节点度理论结果的正确性。将网络的度分布计算转化为偏微分方程求解问题,将节点度的变化视为偏微分方程的特征线,将偏微分方程应用于增长网络的建模中,从而可以解析地对网络结构进行分析。     

基于搜索效率的复杂网络多模型并行演化分析

很多真实的复杂网络呈现无标度性．但是,这些网络为什么在增长过程中遵从优先连接规则？现有研究尚未给出有力的解释．一个合理的猜想是：这些网络如果不遵从优先连接规则,则将处于不利的地位．为证实这一猜想,采用搜索效率作为评价指标,量化评价不同演化模型的优劣．首先提出一种新的复杂网络并行演化模式,使得同一网络中不同的局部遵从不同的演化模型,从而在统一的基础上比较不同演化模型搜索效率的优劣．以BA无标度网络、WS小世界网络和随机网络为基础,构建了异质复杂网络．其次,采用随机游走搜索策略和DS最大度搜索策略,比较遵从不同演化模型的异质子网的搜索效率,力图解释复杂网络中演化模式同质化的原因．实验发现一种“信息壁垒”现象,即处于劣势的网络模型,其所属节点很难被其他模型的节点访问到．实验结果表明：对于以搜索为重要功能的复杂网络,无标度网络具有最强的适应性,从而在一定程度上解释了无标度现象在众多现实复杂网络中存在的原因．     

中枢模式发生器网络步态运动

采用相对简单的Rayleigh振荡器作为中枢模式发生器(CPG)控制器,建立网络模型,针对该方法对多神经元耦合描述的不足,在单神经元和双神经元模型的基础上添加一个神经元,建立了三神经元模型。利用该模型分别模拟髋关节、膝关节和踝关节运动,实现了对步态运动过程中腿部各关节的模拟。仿真结果表明,用Rayleigh振荡器构建的CPG能够很好地模拟多神经元的生理特性,Rayleigh振荡器作为CPG控制器建立多神经元网络模型是可行的。