原文服务方: 计算机应用研究       
摘要:
为研究神经元的放电时间序列随时间的演化特性,提出了一种将放电时间序列的时间域映射到网络域进行处理的方法,即研究基于神经元的复杂网络随时间的演化特征来刻画神经元放电时间序列的时变特性.通过构建滑动时间窗内复杂网络拓扑,并计算其局部可视图的统计特性来实现时间序列时变特征的描述.对神经元map模型三种簇放电时间序列进行复杂网络构建并实现网络拓扑可视化,同时分析网络的统计特性来验证方法的有效性.结果表明,网络的拓扑、平均路径长度和聚类系数均能反映原时间序列的时变形态特征,并对神经元簇放电具有参数敏感性;簇放电稀疏程度与社团大小存在相关性.神经元放电时间序列网络域的时变演化特征能刻画其时间域特性,为神经电信号的处理提供了新的思路.
推荐文章
基于小波神经元网络模型的网损预测方法研究
小波神经元网络
电力系统
有功网损
预测
基于混沌优化的单神经元 Smith预估器设计
控制器
单神经元控制器
Smith预估器
设计
混沌优化
基于过程神经元网络的动态预测模型及其应用
动态系统
过程神经元网络
预测预报
学习算法
神经元模型随机共振特性研究
神经元模型
随机共振
数值仿真
含噪神经元系统
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 神经元混沌放电局部可视网络模型分析
来源期刊 计算机应用研究 学科
关键词 局部可视图 复杂网络 神经元 混沌放电
年,卷(期) 2014,(12) 所属期刊栏目 网络与通信技术
研究方向 页码范围 3756-3758,3783
页数 4页 分类号 TP393.02|TN911.7
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.12.060
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王江 天津大学电气与自动化工程学院 124 1070 17.0 27.0
2 赵江 河北科技大学电气工程学院 15 61 5.0 7.0
3 郝崇清 河北科技大学电气工程学院 11 24 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (6)
参考文献  (19)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(2)
  • 二级参考文献(3)
2009(8)
  • 参考文献(2)
  • 二级参考文献(6)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(5)
  • 参考文献(3)
  • 二级参考文献(2)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
局部可视图
复杂网络
神经元
混沌放电
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导