基于复杂网络理论大脑功能网络研究.pdfVIP

【221M．E．J．Newman，Phys．Rev．Lett．89(2002)208701． 【231M．E．J．Newman，Eur．Phys．J．B38(2004)321． 『24]T．Nishikawa，A M．Pecorm 【25]M．Barahona，LPhys．Rev．Lett．89(2002)054101． Xiu，cond-maff0512079． 『26】B．Wang，H．-W．Tang，T．Zhou，Z．．L 【27]LDonetti，P．I．Hurtado，M．A．Mu＼～{n}oz，Phys．Rev．LetL95(2005)188701． [281T．Zhou，M．Zhao，B．一H．Wang，cond-mat／0508368． 『29]T．Nishikawa，A．E．Motter,Y-C．Lai，E [30]M．Zhao，TZhou，B．一H．Wang，w-X．Wang，Phys．Rev．E 72(2005)057102． 【31]H．Hong，B．J．Kim，M．YChoi，H．Park，Phys．Rev．E69(2004)067105． Bemardo，EGarofalo，ESorrentino，cond—mat／0504335． [32]M．di 【33】P．N．McGraw,M．Menzinger,Phys．Rev．E．72(2002)015101． 优化网络结构提高网络的容错能力 王冰1唐焕文1郭崇慧1修志龙2周涛3 1大连理工大学应用数学系大连1160242大连理工大学环境与生命学院大连116024 3中国科学技术大学近代物理系合肥230026 摘要：考虑到网络的结构和网络的性能之间的关系，网络的性能可以通过改变其拓扑结构来 提高。我们讨论了对于服从任意度分布的网络，如何提高网络的容错能力，给出了高度容错 网络应具备的统计性质。本文通过优化网络的效率，从优化思想的角度考虑如何设计一个容 错能力最强的网络，这种网络应具有怎样的拓扑性质。通过观察网络的效率和网络的容错能 力之间的关系，我们优化描述网络性质的一个重要指标——网络的效率，数值结果表明一个 具有少量集散节点、节点之间度负相关的网络具有较强的容错能力。并结合最优网络具有的 统计特性结果，建立了一个非增长的网络模型，该模型很好的符合了最优网络所具备的统计 性质。通过分析网络模型的性质，发现经过优化后，网络的容错能力和网络的信息传输效率 显著提高了，但是网络的同步能力却下降了。 关键词：复杂网络，网络效率，网络的弹性，同步 基于复杂网络理论的大脑功能网络研究 李珊珊1，赵庆柏1，靳静1，董峰1，闫芬1，章忠志1，王冰1，刘建国1，周涛2， 唐一源1’‘ (1大连理工大学神经信息学研究所，辽宁大连116024) (2中国科技大学近代物理系，安徽合肥230026) E-Illail：brain．dlut．edu．cn 摘要： 本文把复杂网络理论与大脑研究相结合，利用视觉辩别试验的功能磁共振成像数据建立了大脑澈 活区的功能网络．数据预处理采用SPM99(统计参数图)．我们初步分析了该功能网络的基本性质，得出其 度分布近似服从幂率形式，这是一个典型的无尺度脑功能网络． 关键词： 复杂网络，IMRI，Scale-free 1引言 实证研究表明，真实世界的大量复杂系统，包括技术．社会、信息．生物系统等【1】，都可以被描述为 由节点和边组成的网络．其中节点表示系统中的个体，边表示个体之阐的相互作用．这些由真实系统抽象 而成的网络都具有非平凡的拓扑学性质．许多学者认为。这些独特的拓扑性质是复杂系统赖以生存的基础。 对它的研究将有助于我们理解。复杂系统之所以复杂。这一至关重要的问题【2】． 大脑是我们日前所知的最复杂、最完善的动态信息处理系统．历史上最早是从解剖人的尸体和研究脑 局部损伤病人来获取有关脑的结构及功能知识的，这些研究方法现在都归属于神经解剖．神经生理，神经 如fMRI．PET，ERP等)的出现和应用使我们能够从活体和整体水平研究脑．它可