CN106202720A - 脑网络模型建立方法 - Google Patents

脑网络模型建立方法 Download PDF

Info

Publication number
CN106202720A
CN106202720A CN201610541489.2A CN201610541489A CN106202720A CN 106202720 A CN106202720 A CN 106202720A CN 201610541489 A CN201610541489 A CN 201610541489A CN 106202720 A CN106202720 A CN 106202720A
Authority
CN
China
Prior art keywords
node
network
network model
model
limit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610541489.2A
Other languages
English (en)
Inventor
张红
叶明�
雷旭
刘光远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University
Original Assignee
Southwest University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University filed Critical Southwest University
Priority to CN201610541489.2A priority Critical patent/CN106202720A/zh
Publication of CN106202720A publication Critical patent/CN106202720A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明涉及脑网络模型建立方法，建立网络模型工具箱；在建立网络模型工具箱内建立ER随机图生成模型、WS小世界网络模型、NW小世界网络模型、无标度网络模型；选择要生成的网络模型；输入网络模型名称，网络规模以及网络中编连接的概率；进行运算，运算完毕后运算结果保存，网络模型工具箱，安装工具箱到计算机中，工具箱集成有ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型，直接调用模型进行运算，无需额外的编程，方面快捷，满足研发工作人员的快速研究使用。

Description

脑网络模型建立方法
技术领域
本发明涉及脑网络模型建立方法。
背景技术
目前网络模型的建立并没有一个通用的工具箱，都是自己写自己需要的东西，没有一个系统的集成好的工具箱。存在成本高、误码率高、反应速度慢等问题，需要自己去调用函数才能完成功能，这样的话就需要有一定编程能力的人，对那些没有编程能力的人不具有可用性。需要自己去调用函数，没有交互界面，不方面快捷。
发明内容
本发明所要解决的技术问题是构建脑网络模型建立方法，成本低，误码率低且反应速度块，而且方便可视化。
本发明解决上述技术问题的技术方案如下：脑网络模型建立方法，其特征在于，按照如下步骤：
步骤1：建立网络模型工具箱；
步骤2：在建立网络模型工具箱内建立ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型；
步骤3:选择要生成的网络模型的类型；
步骤4：输入网络模型名称、网络规模以及网络中编连接的概率；
步骤5，进行网络运算，运算完毕后保存运算结果。
进一步，所述ER随机图生成模型的运算方法为：给定网络节点数N，忽 略重边的情况下，最多有N(N-1)/2条可能的边，从中随机选取E条边连接，记为GN,E。这样的N个节点、E条边组成的网络共有CE N(N-1)/2种，构成一个概率空间，其中每种网络出现的概率都是相同的。
进一步，所述WS小世界网络模型的运算方法为：
(1)给定规则网络：从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数；
(2)随机化重连：以概率p随机地重新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点，其中规定，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。
进一步，所述NW小世界网络模型的运算方法为：
(1)从规则图开始，构建含有N个节点的最近邻耦合网络，围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数,1≤N；
(2)随机化重连：以概率P在随机选取的一对节点之间加上一条边，其中，任意两个不同的节点之间至多只能有一条边，并且每个节点不能有边与自身相连，0≤P≤1；P＝0时，为原来的最近邻耦合网路，P＝1则为全局耦合网络。
进一步，所述无标度网络模型的计算方法为：
(1)初始：开始给定n0个节点；
(2)增长：在每个时间步重复增加一个新节点和m跳新连线，m≤n0；
(3)择优：新节点按照择优概率一个新节点与一个已经存在的节点i相连接的概率，与节点i的度ki、节点j的度kj之间满足如下关系公式选择旧节点i与之连线，其中ki是旧节点i的 度数。
本发明的有益效果是：本发明建立一个网络模型工具箱，安装工具箱到计算机中，工具箱集成有ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型，直接调用模型进行运算，无需额外的编程，方面快捷，满足研发工作人员的快速研究使用。
具体实施方式
以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
脑网络模型建立方法，其特征在于，按照如下步骤：
步骤1：建立网络模型工具箱；
步骤2：在建立网络模型工具箱内建立ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型；
步骤3:选择要生成的网络模型的类型；
步骤4：输入网络模型名称、网络规模以及网络中编连接的概率；
步骤5，进行网络运算，运算完毕后保存运算结果。
ER随机图生成模型的运算方法为：给定网络节点数N，忽略重边的情况下，最多有N(N-1)/2条可能的边，从中随机选取E条边连接，记为GN,E。这样的N个节点、E条边组成的网络共有CE N(N-1)/2种，构成一个概率空间，其中每种网络出现的概率都是相同的。
WS小世界网络模型的运算方法为：
(1)给定规则网络：从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数；
(2)随机化重连：以概率p随机地重新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点，其中 规定，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。
NW小世界网络模型的运算方法为：
(1)从规则图开始，构建含有N个节点的最近邻耦合网络，围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数,1≤N；
(2)随机化重连：以概率P在随机选取的一对节点之间加上一条边，其中，任意两个不同的节点之间至多只能有一条边，并且每个节点不能有边与自身相连，0≤P≤1；P＝0时，为原来的最近邻耦合网路，P＝1则为全局耦合网络。
无标度网络模型的计算方法为：
(1)初始：开始给定n0个节点；
(2)增长：在每个时间步重复增加一个新节点和m(m<＝n0)跳新连线；
(3)择优：新节点按照择优概率一个新节点与一个已经存在的节点i相连接的概率，与节点i的度ki、节点j的度kj之间满足如下关系公式选择旧节点i与之连线，其中ki是旧节点i的度数。
本发明建立一个网络模型工具箱，安装工具箱到计算机中，工具箱集成有ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型，直接调用模型进行运算，无需额外的编程，方面快捷，满足研发工作人员的快速研究使用。而且具有可视化的界面，使用方便。
上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.脑网络模型建立方法，其特征在于，按照如下步骤：
步骤1：建立网络模型工具箱；
步骤2：在建立网络模型工具箱内建立ER随机图生成模型、WS小世界网络模型、NW小世界网络模型和无标度网络模型；
步骤3：选择要生成的网络模型的类型；
步骤4：输入网络模型名称、网络规模以及网络中编连接的概率；
步骤5，进行网络运算，运算完毕后保存运算结果。
2.根据权利要求1所述脑网络模型建立方法，其特征在于，所述ER随机图生成模型的运算方法为：给定网络节点数N，忽略重边的情况下，最多有N(N-1)/2条可能的边，从中随机选取E条边连接，记为GN，E。这样的N个节点、E条边组成的网络共有CE N(N-1)/2种，构成一个概率空间，其中N为大于等于1的整数，每种网络出现的概率都是相同的。
3.根据权利要求1所述脑网络模型建立方法，其特征在于，所述WS小世界网络模型的运算方法为：
(1)给定规则网络：从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数；
(2)随机化重连：以概率p随机地重新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点，其中规定，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。
4.根据权利要求1所述脑网络模型建立方法，其特征在于，所述NW小世界网络模型的运算方法为：
(1)从规则图开始，构建含有N个节点的最近邻耦合网络，围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数，1≤N；
(2)随机化重连：以概率P在随机选取的一对节点之间加上一条边，其中，任意两个不同的节点之间至多只能有一条边，并且每个节点不能有边与自身相连，0≤P≤1；P＝0时，为原来的最近邻耦合网路，P＝1则为全局耦合网络。
5.根据权利要求1所述脑网络模型建立方法，其特征在于，所述无标度网络模型的计算方法为：
(1)初始：开始给定n0个节点；
(2)增长：在每个时间步重复增加一个新节点和m跳新连线，m≤n0；
(3)择优：新节点按照择优概率一个新节点与一个已经存在的节点i相连接的概率，与节点i的度ki、节点j的度kj之间满足如下关系公式选择旧节点i与之连线，其中ki是旧节点i的度数。
CN201610541489.2A 2016-07-11 2016-07-11 脑网络模型建立方法 Pending CN106202720A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610541489.2A CN106202720A (zh) 2016-07-11 2016-07-11 脑网络模型建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610541489.2A CN106202720A (zh) 2016-07-11 2016-07-11 脑网络模型建立方法

Publications (1)

Publication Number Publication Date
CN106202720A true CN106202720A (zh) 2016-12-07

Family

ID=57473930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610541489.2A Pending CN106202720A (zh) 2016-07-11 2016-07-11 脑网络模型建立方法

Country Status (1)

Country Link
CN (1) CN106202720A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921286A (zh) * 2018-06-29 2018-11-30 杭州电子科技大学 一种免阈值设定的静息态功能脑网络构建方法
CN109932897A (zh) * 2019-03-28 2019-06-25 南京邮电大学 一种用pd控制器调节小世界网络模型分岔点的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222738A1 (en) * 2011-06-09 2014-08-07 Karen E. Joyce Agent-Based Brain Model and Related Methods
US20150088024A1 (en) * 2012-03-19 2015-03-26 University Of Florida Research Foundation, Inc. Methods and systems for brain function analysis
CN104715150A (zh) * 2015-03-19 2015-06-17 上海海事大学 一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法
CN105260561A (zh) * 2015-10-30 2016-01-20 南京邮电大学 一种复杂网络通用仿真系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222738A1 (en) * 2011-06-09 2014-08-07 Karen E. Joyce Agent-Based Brain Model and Related Methods
US20150088024A1 (en) * 2012-03-19 2015-03-26 University Of Florida Research Foundation, Inc. Methods and systems for brain function analysis
CN104715150A (zh) * 2015-03-19 2015-06-17 上海海事大学 一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法
CN105260561A (zh) * 2015-10-30 2016-01-20 南京邮电大学 一种复杂网络通用仿真系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ARIC HAGBERG等: "NetworkX Reference Release 1.9.1", 《HTTPS://NETWORKX.GITHUB.IO/DOCUMENTATION/NETWORKX-1.9.1/》 *
F.DE VICO FALLANI等: "Brain Network Analysis From High-Resolution EEG Recordings by the Application of Theoretical Graph Index", 《IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING》 *
李博: "基于针刺复杂脑电网络同步问题分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
赵黎明: "《创业孵化网络系统研究》", 30 September 2015 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921286A (zh) * 2018-06-29 2018-11-30 杭州电子科技大学 一种免阈值设定的静息态功能脑网络构建方法
CN109932897A (zh) * 2019-03-28 2019-06-25 南京邮电大学 一种用pd控制器调节小世界网络模型分岔点的方法
CN109932897B (zh) * 2019-03-28 2022-09-23 南京邮电大学 一种用pd控制器调节小世界网络模型分岔点的方法

Similar Documents

Publication Publication Date Title
WO2021092980A1 (zh) 纵向联邦学习优化方法、装置、设备及存储介质
Li et al. A molecular phylogeny of Chinese orchids
CN105024919B (zh) 一种用户群组建立方法及装置
CN103259718A (zh) 一种流表转换方法和装置
CN109690530A (zh) 模型训练方法及其节点、网络及存储装置
Lim et al. Cellular bucket brigades on U‐lines with discrete work stations
PH12021550208A1 (en) Method and apparatus for managing network
WO2018094299A3 (en) System architecture and method of processing data therein
CN106202720A (zh) 脑网络模型建立方法
WO2018166249A1 (zh) 一种网络业务传输的方法及系统
SG11201805826VA (en) Data storage and service processing method and apparatus
CN108847993A (zh) 基于多阶路径中间节点资源分配的链路预测方法
Pinelis Evolutionary models of phylogenetic trees
Chen et al. An improved acquaintance immunization strategy for complex network
CN105207825B (zh) 一种网元快速同步系统及网元快速同步方法
CN109658329A (zh) 一种基于网格树形的海报布局设计工具
CN111695701B (zh) 基于联邦学习实现数据集构建处理的系统及其构建生成方法
CN104641604B (zh) 确定最短路径的方法及装置
CN108268611A (zh) 一种基于MapReduce的k-means文本聚类的方法及装置
CN107342857A (zh) 分组方法及装置
CN108108381A (zh) 页面的监测方法及装置
CN105703902A (zh) 一种用于网络设备的随机数生成方法及装置
CN109951275A (zh) 密钥生成方法、装置、计算机设备及存储介质
CN109361929A (zh) 一种确定直播间标签的方法以及相关设备
CN107623586B (zh) 网络链路预测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207

RJ01 Rejection of invention patent application after publication