论文部分内容阅读
网络的功能和动力学特性受到其拓扑结构影响，因此发展一套复杂网络结构的有效推断方法显得格外重要。在本论文中，作者研究当已知一个网络的每个节点具有一个点过程时，如何统计推断网络节点之间的连接关系。在之前研究基础上，基于随机点过程理论、动态相关分析和条件格兰杰因果检验，以节点点过程为对象，作者创新性地建立了一套非线性格兰杰因果检验方法用于复杂网络的拓扑结构识别。其后分别对病毒传播网络模型和整合-激发网络模型进行大量仿真实验，通过统计推断得出的连接正确率平均达到90％以上，一定程度上验证了该方法相比传统工具具有一定优越性。最后，发展一套“功能性多神经元钙成像”(fMCI)数据自动处理流程，并结合上述推断方法对真实神经网络神经元信息传递的拓扑结构进行探讨。