CN106202720A - 脑网络模型建立方法 - Google Patents
脑网络模型建立方法 Download PDFInfo
- 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
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
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。
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)
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)
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 |
-
2016
- 2016-07-11 CN CN201610541489.2A patent/CN106202720A/zh active Pending
Patent Citations (4)
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)
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)
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 |