生物系统的小世界网络特性.docVIP

生物系统的小世界网络特性 谢彬 刘深泉 李炎烽 陈树春 [摘要] 本文主要研究人眼视网膜神经系统 和七鳃鳗脊椎神经系统，首先利用WinnerLess Competition（WLC）模型分析视网膜和脊椎神经元的发放模式和编码。得到视网膜神经元和脊椎神经元的电位发放模式。然后利用Watts-Strogatz小世界网络的特性，分析两个生物神经系统的群集系数和特征路长，说明这些生物系统神经元之间的信息传递具有小世界网络的特性。 [关键词] 小世界模型，视网膜，七鳃鳗，群集系数，特征路长 The small world property in biology system Xie Bin Liu Shenquan Li Yanfeng Chen Shuchun [Abstract] The paper mainly studied the retina neural system and lamprey vertebrate neural system. First the WinnerLess Competition(WLC) system used here to model spike and code of retina and vertebrate neuron. The spike can be obtained and then property of Watts-Strogatz small world are used here to analyze the characteristic path length andclustering coefficient.These signal transmitting between the neurons in these two biology systems have the property of small world network. [key word] small world system retina lamprey characteristic path length clustering coefficient 动物神经系统中的神经元相互连接组成生物神经系统。神经系统中具有明确意义的电信号是细胞动作电位，细胞动作电位的静息和发放携带神经元的基本信息，反映大脑神经系统的编码规律[1]。该神经系统的研究，不仅需要用非线性动力学的理论来分析，得到生物系统刺激、响应的内在规律。而且需要分析神经系统的信息传递效率。本文首先用WinnerLess Competition (WLC)模型，研究视网膜神经系统和脊柱神经元的电位发放模式，然后利用小世界网络的群集系数和特征路长特性，分析生物神经系统的网络效率。 1 神经系统的WLC模型和W-S小世界网络 单个神经元的动作电位可以用FitzHugh-Nagumo描述，具有抑制连接的神经元网络结构可用如下WLC模型描述[2]。 （1） 其中，方程（1）模拟神经系统中第神经元的电位发放，代表第个神经元的膜电位，表示恢复变量，表示元的突触抑制影响，表示突触连接强度：如果第个神经元抑制第个神经元，取，否则，，表示对第个神经元的刺激，用单位阶跃函数模拟神经元突触间的相互联接。WLC描述了神经系统中神经元的电位发放，并给出神经元之间的相互抑制关系，它理论表达了抑制神经系统信息传递的空间编码和时间编码。 Watts-Stroagtz的小世界模型描述如下，在W表示S模型中，为刻画网络的小世界特性，使用两个具有统计学性质的参数[3]：群集系数和特征路长。群集系数描述网络中所有节点局部群集系数的均值，其定义式为 (2) 其中，表示网络节点数，表示节点序号，表示节点的局部群集系数，具体为 (3) 表示网络中和相连的节点数，表示由这点组成的子图所具有的边的数目，对网络来说，群集系数描述的是网络的局部特性，即节点及其邻居间的紧凑程度。特征路长：任意两节点间最短路平均经过的边的数目，其定义式为 (4) 其中，表示网络节点数, 表示节点序号, 表示两点间最短路所经过的边的数目。特征路长描述的是网络的全局特性，即节点间通讯的快捷程度。典型的具有小世界特性的网络包括电影明星之间的合作网络、美国西部电力网络和等。对这些网络计算群集系数和特征路长这两个值，并分别与同规模及平均度数的随机网络（Random Network）的计算进行比较，得到具有小世界特性的网络特征路长虽然与对应的同规模及平均度数的随机网络具有可比性，但其群集系数比后者的大上许多，甚至相差若干数量级。在基于这个