| 目录 | 第3-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-12页 |
| 第一章 引言 | 第13-27页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 大脑的基本概念 | 第14-17页 |
| 1.3 脑神经信息分析的研究现状 | 第17-20页 |
| 1.4 复杂脑网络的研究现状 | 第20-22页 |
| 1.5 本论文主要研究内容和创新点 | 第22-26页 |
| 1.6 本论文组织结构 | 第26-27页 |
| 第二章 在体多电极记录群体神经元spike trains及海马计算模型 | 第27-43页 |
| 2.1 引言 | 第27页 |
| 2.2 多电极记录spike trains | 第27-33页 |
| 2.2.1 大鼠不同认知行为任务 | 第27-30页 |
| 2.2.2 多电极记录过程 | 第30-33页 |
| 2.3 海马计算模型产生spike trains | 第33-42页 |
| 2.3.1 海马计算模型结构 | 第33-34页 |
| 2.3.2 神经元之间连接的突触可塑性 | 第34-35页 |
| 2.3.3 单个神经元模型实现 | 第35-36页 |
| 2.3.4 模拟Y-maze任务及产生已知结构的spike trains | 第36-40页 |
| 2.3.5 模拟小世界神经元网络产生spike trains | 第40-42页 |
| 2.4 结论 | 第42-43页 |
| 第三章 神经元功能网络的复杂网络拓扑特性分析 | 第43-65页 |
| 3.1 引言 | 第43-44页 |
| 3.2 复杂网络几个特性 | 第44-48页 |
| 3.2.1 几个基本度量概念 | 第44-46页 |
| 3.2.2 几种经典网络模型 | 第46-48页 |
| 3.3 拓扑特性分析 | 第48-56页 |
| 3.3.1 实验数据 | 第48-49页 |
| 3.3.2 构建神经元功能网络 | 第49-51页 |
| 3.3.3 小世界特性 | 第51-53页 |
| 3.3.4 无尺度特性 | 第53-54页 |
| 3.3.5 模块性 | 第54-56页 |
| 3.4 一种新的层次性分析方法 | 第56-63页 |
| 3.4.1 多步间隔ISI-distance | 第57-60页 |
| 3.4.2 层次划分 | 第60页 |
| 3.4.3 实验结果 | 第60-63页 |
| 3.5 结论 | 第63-65页 |
| 第四章 基于随机游走距离排序及谱分解的神经元功能网络社团结构划分 | 第65-83页 |
| 4.1 引言 | 第65-67页 |
| 4.2 谱图划分 | 第67-68页 |
| 4.3 随机游走模型 | 第68-70页 |
| 4.4 基于随机游走距离排序的社团结构划分算法 | 第70-74页 |
| 4.4.1 实验数据和网络构建 | 第70-72页 |
| 4.4.2 计算随机游走相似度矩阵 | 第72-73页 |
| 4.4.3 相似度矩阵排序 | 第73-74页 |
| 4.4.4 谱分解 | 第74页 |
| 4.5 实验结果与分析 | 第74-82页 |
| 4.5.1 替代数据集 | 第77-80页 |
| 4.5.2 神经元功能网络的社团结构划分 | 第80页 |
| 4.5.3 结果分析 | 第80-82页 |
| 4.6 结论 | 第82-83页 |
| 第五章 社团结构划分评价函数 | 第83-97页 |
| 5.1 引言 | 第83-84页 |
| 5.2 社团系数C实现过程 | 第84-88页 |
| 5.2.1 网络节点的相似度矩阵 | 第84-85页 |
| 5.2.2 社团系数C | 第85-87页 |
| 5.2.3 社团划分过程 | 第87-88页 |
| 5.3 实验结果 | 第88-96页 |
| 5.3.1 在分辨率极限问题上的性能 | 第88-90页 |
| 5.3.2 在已知结构数据集上的性能 | 第90-94页 |
| 5.3.3 在神经元功能网络中的应用 | 第94-96页 |
| 5.4 结论 | 第96-97页 |
| 第六章 基于神经元功能网络预测大鼠认知行为的选择 | 第97-113页 |
| 6.1 引言 | 第97-98页 |
| 6.2 实验材料及方法 | 第98-106页 |
| 6.2.1 方法的流程 | 第98-99页 |
| 6.2.2 实验数据 | 第99-101页 |
| 6.2.3 神经元功能网络构建过程 | 第101-102页 |
| 6.2.4 划分成神经环路组 | 第102-104页 |
| 6.2.5 无监督聚类多次trials | 第104-105页 |
| 6.2.6 预测单次trial的行为选择 | 第105-106页 |
| 6.3 实验结果与分析 | 第106-111页 |
| 6.3.1 无监督聚类结果 | 第107-108页 |
| 6.3.2 行为预测结果 | 第108-111页 |
| 6.3.3 结果分析 | 第111页 |
| 6.4 结论 | 第111-113页 |
| 第七章 总结与展望 | 第113-116页 |
| 7.1 总结 | 第113-114页 |
| 7.2 展望 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 致谢 | 第126-127页 |
| 攻读博士期间取得的成果 | 第127-129页 |
