Чтобы оставлять сообщения нужно авторизоваться.
Если сопоставить мозгу граф, где нейроны – вершины, а синапсы – дуги, то мозг – слабо-связный, но не сильно-связный граф. Если добавить дуги обозначающие влияние нейропептидами через межклеточную среду – становится сильно-связным.
Также интересно кроме связности принимающей значение истина или ложь ввести понятие степени связности, где наивысшая степень связности будет соответствовать графу, где все соединены со всеми, а наименьшее – где все вершины болтаются без дуг. И результаты проектов типа blue brain прогнать через алгоритмы определения степени связности различных участков мозга. Внутри полушарий степень связности наверно больше чем в мозге в целом. Можно ли выделить кластеры в сети, основываясь на не-двоичных, численных подходах, с выделеним степени кластеризации? Для ответа на эти вопросы надо сначала определить алгоритмы вычисления этих вещей. Всё это требует изучения теории графов.
Комментарии:
Finarfin 2011-07-18 21:54:55 |
>Также интересно кроме связности принимающей значение истина или ложь ввести понятие степени связности Такое понятие было мною найдено, но не в старых учебниках по теории графов, как я ожидал. Понятие модулярности было введено в 2004 году [по нынешнему темпу – очень давно] в статье Newman, M. E. J., and Girvan, M. 2004. Finding and evaluating community structure in networks. Physical Review E 69:026113, где рассматривалось выделение сообществ в социальном графе. В случае если алгоритмы кластеризации на основе модулярности найдт применение в нейрофизиологии это может стать очередным примером конвергенции наук. Сейчас я играюсь с алгоритмами максимизации модулярности на персептронах с кластерами, копипастю материал и дополняю обрывками находок и мыслей. Постепенно из этого может чего и выйдет, чем можно поделиться. По этой теме много вкусных статей, куча инфы находится гуглем, есть опенсорсные библиотеки и красивый матан :) |
Чтобы оставлять комментарии нужно авторизоваться.