Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Sự ra khỏi trạng thái cân bằng của mạng (DNE): một thước đo hiệu quả và khả thi để đo động lực mạng tức thời, với ứng dụng vào điện não đồ từ tính
Tóm tắt
Việc đánh giá trạng thái động của một mạng hiện tại là không khả thi. Việc biết được mạng cách xa trạng thái cân bằng (như một chỉ báo của sự không ổn định) tại một thời điểm và qua các khoảng thời gian là rất quan trọng. Ở đây, chúng tôi giới thiệu Sự ra khỏi Trạng thái Cân bằng của Mạng (DNE), một thước đo động lực mạng tức thời mới. DNE rất đơn giản, nhanh chóng để tính toán và có thể mở rộng với kích thước của mạng. Chúng tôi trình bày kết quả ứng dụng của nó trên các mạng tiếng trắng (như một cơ sở) và trên các mạng được lấy từ các ghi nhận điện não đồ từ tính của não người.
Từ khóa
#DNE #trạng thái cân bằng của mạng #động lực học mạng tức thời #điện não đồ từ tínhTài liệu tham khảo
Bartlett MS (1978) An introduction to stochastic processes with special reference to methods and applications, 3rd edn. Cambridge University Press, Cambridge, MA
Box GEP, Jenkins GM (1970) Time series analysis: forecasting and control. Holden Day, San Francisco, CA
Cherbuin N, Brinkman C (2006) Hemispheric interactions are different in left-handed individuals. Neuropsychology 20:700–707. doi:10.1037/0894-4105.20.6.700
Christopoulos VN, Boeff DV, Evans CD, Crowe DA, Amirikian B, Georgopoulos A, Georgopoulos AP (2012) A network analysis of developing brain cultures. J Neural Eng 9:046008-2560/9/4/046008. doi:10.1088/1741-2560/9/4/046008
Daugman JG (1989) Entropy reduction and decorrelation in visual coding by oriented neural receptive fields. IEEE Trans Biomed Eng 1:107–114
Dimitrov A, Cowan JD (1998) Spatial decorrelation in orientation-selective cortical cells. Neural Comput 10:1779–1795
Doron KW, Bassett DS, Gazzaniga MS (2012) Dynamic network structure of interhemispheric coordination. Proc Natl Acad Sci USA 109:18661–18668. doi:10.1073/pnas.1216402109
Engdahl B et al (2010) Post-traumatic stress disorder: a right temporal lobe syndrome? J Neural Eng 7:066005
Fisher RA (1958) Statistical methods for research workers, 13th edn. Oliver and Boyd, Edinburgh
Fling BW, Peltier SJ, Bo J, Welsh RC, Seidler RD (2011) Age differences in interhemispheric interactions: callosal structure, physiological function, and behavior. Front Neurosci 5:38. doi:10.3389/fnins.2011.00038
Georgopoulos AP, Mahan MY (2013) Simultaneous Departure from Equilibrium (SDE): an efficient measure of dynamic interactions in massively interconnected networks. In: Annual symposium on biomedical informatics and computational biology, Jan 18, Rochester, MN
James LM, Engdahl BE, Leuthold AC, Lewis SM, Van Kampen E, Georgopoulos AP (2013) Neural network modulation by trauma as a marker of resilience: differences between veterans with posttraumatic stress disorder and resilient controls. JAMA Psychiatry 70:410–418
Leuthold AC, Mahan MY, Stanwyck JJ, Georgopoulos A, Georgopoulos AP (2013) The number of cysteine residues per mole in apolipoprotein E affects systematically synchronous neural interactions in women’s healthy brains. Exp Brain Res 226:525–536. doi:10.1007/s00221-013-3464-x
Oldfield RC (1971) The assessment and analysis of handedness: the Edinburgh inventory. Neuropsychologia 9:97–113
Pitkow X, Meister M (2012) Decorrelation and efficient coding by retinal ganglion cells. Nat Neurosci 15:628–635
Rosen BE (1996) Ensemble learning using decorrelated neural networks. Connect Sci 8:373–384
Schwarz GE (1978) Estimating the dimension of a model. Ann Stat 6:461–464. doi:10.1214/aos/1176344136
Vinje WE, Gallant JL (2000) Sparse coding and decorrelation in primary visual cortex during natural vision. Science 287:1273–1276