计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
12期
3756-3758,3783
,共4页
局部可视图%复杂网络%神经元%混沌放电
跼部可視圖%複雜網絡%神經元%混沌放電
국부가시도%복잡망락%신경원%혼돈방전
local visibility graph%complex networks%neuron%chaotic firing
为研究神经元的放电时间序列随时间的演化特性,提出了一种将放电时间序列的时间域映射到网络域进行处理的方法,即研究基于神经元的复杂网络随时间的演化特征来刻画神经元放电时间序列的时变特性.通过构建滑动时间窗内复杂网络拓扑,并计算其局部可视图的统计特性来实现时间序列时变特征的描述.对神经元map模型三种簇放电时间序列进行复杂网络构建并实现网络拓扑可视化,同时分析网络的统计特性来验证方法的有效性.结果表明,网络的拓扑、平均路径长度和聚类系数均能反映原时间序列的时变形态特征,并对神经元簇放电具有参数敏感性;簇放电稀疏程度与社团大小存在相关性.神经元放电时间序列网络域的时变演化特征能刻画其时间域特性,为神经电信号的处理提供了新的思路.
為研究神經元的放電時間序列隨時間的縯化特性,提齣瞭一種將放電時間序列的時間域映射到網絡域進行處理的方法,即研究基于神經元的複雜網絡隨時間的縯化特徵來刻畫神經元放電時間序列的時變特性.通過構建滑動時間窗內複雜網絡拓撲,併計算其跼部可視圖的統計特性來實現時間序列時變特徵的描述.對神經元map模型三種簇放電時間序列進行複雜網絡構建併實現網絡拓撲可視化,同時分析網絡的統計特性來驗證方法的有效性.結果錶明,網絡的拓撲、平均路徑長度和聚類繫數均能反映原時間序列的時變形態特徵,併對神經元簇放電具有參數敏感性;簇放電稀疏程度與社糰大小存在相關性.神經元放電時間序列網絡域的時變縯化特徵能刻畫其時間域特性,為神經電信號的處理提供瞭新的思路.
위연구신경원적방전시간서렬수시간적연화특성,제출료일충장방전시간서렬적시간역영사도망락역진행처리적방법,즉연구기우신경원적복잡망락수시간적연화특정래각화신경원방전시간서렬적시변특성.통과구건활동시간창내복잡망락탁복,병계산기국부가시도적통계특성래실현시간서렬시변특정적묘술.대신경원map모형삼충족방전시간서렬진행복잡망락구건병실현망락탁복가시화,동시분석망락적통계특성래험증방법적유효성.결과표명,망락적탁복、평균로경장도화취류계수균능반영원시간서렬적시변형태특정,병대신경원족방전구유삼수민감성;족방전희소정도여사단대소존재상관성.신경원방전시간서렬망락역적시변연화특정능각화기시간역특성,위신경전신호적처리제공료신적사로.
