本文關(guān)鍵詞：用于腦運(yùn)作分析的攜環(huán)境信息前向網(wǎng)絡(luò)樣本重組樹生成算法

  更多相關(guān)文章： 過程存儲(chǔ)和重組模型 大腦量化模型 中樞神經(jīng)系統(tǒng) 前向網(wǎng)絡(luò)樣本重組樹 攜環(huán)境信息前向網(wǎng)絡(luò)樣本重組樹

【摘要】：文獻(xiàn)~([1-9])提出了血液循環(huán)在大腦處理信息的過程中具有時(shí)序控制作用,并用量化模型結(jié)合結(jié)構(gòu)風(fēng)險(xiǎn)最小化相關(guān)理論說明時(shí)序控制作用的意義。文獻(xiàn)~([10-24])匯總介紹量化模型中的一些細(xì)節(jié)。為方便同行閱讀,我們?cè)?013年也發(fā)表了系列綜合報(bào)告~([25-29])。文獻(xiàn)~([31-32])介紹我們開發(fā)的一個(gè)算法,這一算法實(shí)現(xiàn)將一個(gè)有向網(wǎng)絡(luò)分解為一系列前向網(wǎng)絡(luò)集合。分解出來的前向網(wǎng)絡(luò)集合可用于分析各種情況對(duì)任一細(xì)胞活動(dòng)情況的影響,也可用于搭建精細(xì)的神經(jīng)網(wǎng)絡(luò)模型,進(jìn)而用于輔助醫(yī)學(xué)等方面的研究。算法的網(wǎng)絡(luò)分解能力能符合文獻(xiàn)~([1-28])所介紹的大腦處理信息量化方案的要求。算法的設(shè)計(jì)用到了筆者在2004年論文~([30])中總結(jié)的一種算法設(shè)計(jì)思路,采用這一思路設(shè)計(jì)的算法有好的可擴(kuò)展性,文獻(xiàn)~([33])將文獻(xiàn)~([31-32])介紹的算法升級(jí)為DG-FFN SR Trees算法,本文介紹了怎樣將文獻(xiàn)~([33])介紹的DG-FFN SR Trees算法升級(jí)擴(kuò)展為DG-FFN SR TreesEI算法,升級(jí)成的DG-FFN SR Trees-EI算法可用于多種用途。
【作者單位】： 廣州市科技和信息化局;第16屆亞運(yùn)會(huì)組委會(huì)信息技術(shù)部;廣州生產(chǎn)力促進(jìn)中心;廣州市科學(xué)技術(shù)信息研究所;廣州市科技創(chuàng)新委員會(huì);廣州市工業(yè)和信息化委員會(huì);廣州市科技創(chuàng)新發(fā)展戰(zhàn)略研究院;
【關(guān)鍵詞】： 過程存儲(chǔ)和重組模型 大腦量化模型 中樞神經(jīng)系統(tǒng) 前向網(wǎng)絡(luò)樣本重組樹 攜環(huán)境信息前向網(wǎng)絡(luò)樣本重組樹
【分類號(hào)】：TP301.6;R338
【正文快照】： 1前言 1.1從信息處理系統(tǒng)的角度研究腦運(yùn)作機(jī)制 [29,31-32] 腦具備信息處理系統(tǒng)的功能,研究大腦時(shí),可以把腦看成“一種特別的信息處理系統(tǒng)”。目前神經(jīng)生物學(xué)一個(gè)受關(guān)注的研究方向是大腦的整體運(yùn)作機(jī)制是怎樣的,也就是腦中分子層面的活動(dòng)如何影響、決定細(xì)胞層面的活動(dòng);細(xì)胞，

本文編號(hào)：595970