用于脑运作分析前向网络样本重组树生成算法研究.docVIP

用于脑运作分析前向网络样本重组树生成算法研究 　　摘 要 文献提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。文献汇总介绍量化模型中的一些细节。为方便同行阅读，我们在2013年也发表了系列综合报告。文献介绍我们开发的一个算法，这一算法实现将一个有向网络分解为一系列前向网络集合。分解出来的前向网络集合可用于分析各种情况对任一细胞活动情况的影响，也可用于搭建精细的神经网络模型，进而用于辅助医学等方面的研究。算法的网络分解能力能符合文献所介绍的大脑处理信息量化方案的要求。算法的设计用到了笔者在2004年论文中总结的一种算法设计思路，采用这一思路设计的算法有好的可扩展性，本文介绍了怎样将文献介绍DG-FFN Trees算法升级扩展为DG-FFN SR Trees算法，升级成的DG-FFN SR Trees算法可用于实现样本排列图的生成。 　　【关键词】过程存储和重组模型 时序控制 脑电波 微循环 　　1 前言 　　1.1 从信息处理系统的角度研究脑运作机制 　　脑具备信息处理系统的功能，研究大脑时，可以把脑看成“一种特别的信息处理系统”。目前神经生物学一个受关注的研究方向是大脑的整体运作机制是怎样的，也就是脑中分子层面的活动如何影响、决定细胞层面的活动；细胞层面的活动如何影响、决定微环路和环路层面的活动并最终影响、决定系统层面的活动和功能。当把大脑运作机制看成“一种特别的信息处理系统的运作机制”时，这个研究方向涉及信息系统研究中的“系统结构”、“系统组成原理”、等方面的问题。如果把脑这一信息处理系统的“系统架构”、“系统组成原理”、等看成一套未知的待探索的机制，已积累的“分子层面、细胞层面、微环路和环路层面、系统层面的各种知识和实践经验”可以看成“自然和人们无意中编排设计的、探索脑信息处理运作机制的实验获得的数据和结果”，因此，综合整理分析已有的各层面的知识，建立有坚实解剖学基础、能联系各层面、量化描述大脑信息处理过程的模型和框架，发现、掌握系统运作所遵循的基本规律和原理，会对更深刻理解大脑信息处理运作机制有所帮助；将有利于对各种神经系统疾病发病机制的理解、治疗方案的制定；也将有助于我们更深刻地理解，理性、客观地对待我们已知的各种知识和所建立的各种理论。 　　综合整理分析、建立量化描述模型、探索系统运作所遵循的基本规律和原理是一项繁杂艰巨的工作，笔者在多年前就已经开始了这项工作，并发表了一系列论文。我们于2007年3月正式发表论文提出血液循环（包括微循环）机制在大脑运作过程起到时序控制的作用，在研究大脑运作机制的时候，要考虑血液周期性灌注的影响；分析了各种脑电现象形成的机制和原因；等。我们笔者在上述论文和一系列发表于网站、全国学术会议、期刊等的论文（这些论文发表于2006年至2012年）中，提出了血液循环在大脑处理信息的过程中具有时序控制作用；分析了各种脑电现象形成的机制和原因；建立描述大脑处理信息过程的量化模型，用量化模型结合结构风险最小化相关理论分析说明时序控制作用对大脑高效可靠处理信息的意义；汇总介绍量化模型中的细节；分析了大脑能正确而高效处理信息，使智力能够诞生的原因；分析了理论建立和应用过程的神经生理学原理、只能有相对真理的神经生理学原因；还建立和介绍了另外一种量化分析方案；等。我们还介绍了更多的细节。 　　为方便同行阅读，我们在2013年也整理发表了系列综合报告。 　　以上文字已发表在文献中。 　　1.2 脑研究辅助工具的研发 　　脑研究领域的另外一个研究方向是研发更多用于研究大脑的辅助工具。文献介绍了我们设计的一种网络分解算法，这一算法用于将有向网络分解为一系列前向网络集合，为每个节点都生成一个以这个节点为输出细胞的前向网络，并且实现前向网络的扩维次数可控、不会无限制扩维，观察时间长度可控。分解出来的前向网络集合可用于分析各种情况对任一细胞活动状态的影响，也可以用于搭建精细的神经网络模型，进而用于辅助医学等方面的研究。 　　文献介绍的算法设计过程中用到了笔者在2004年论文中总结的一种算法分析设计思路：面对一些需求复杂的算法设计时，从“递归空间的分类”这一个角度入手，进而分析各递归空间间的参数传递关系，从而设计出符合需求的算法流程及其“搭配策略”。采用这一设计思路设计的算法具有好的可扩展性，本文介绍怎样将文献介绍的算法进行升级为前向网络样本重组树生成算法，实现样本排列图构造信息的生成。 　　2 算法需求分析总结 　　需求1：以图1所示的样本排列图为例，要支持构造图1所介绍的样本排列图，需要要实现到输出细胞3最大传输延迟越大的输入在纵轴上距离细胞3越远，即纵轴坐标值越大。 　　说明：要实现上述需求，DG-FFN Trees 算