没有合适的资源?快使用搜索试试~ 我知道了~
The organization of physiological brain networks-中文翻译
需积分: 3 0 下载量 7 浏览量
2014-05-08
17:58:16
上传
评论
收藏 16KB DOCX 举报
温馨提示
试读
3页
The organization of physiological brain networks-中文翻译
资源详情
资源评论
资源推荐
4.1.2 复杂网络的度量(方法)
现代网络科技植根于图论、统计物理学、非线性动力学,已经
形成用于描述庞大而复杂的网络的多种度量方法(见表 1 和图 5)。
我们看到过这些方法中的一些,例如聚类系数、平均最短路径、度
分布。通常当实际网络新的模型或新的观测结果暗示网络特别的特
征可能是感兴趣的,并且值得准确量化时,新的度量方法才产生。
总结一下目前所使用的网络度量的方法,可以发现很多这些方法在
综 述 的 文 章 和 教 科 书 中 (Kaiser, 2011; Newman, 2010; Rubinov and
Sporns, 2010)找到。在这里我们简要地谈一下最重要的几类。
第一种类别包括的度量方法是描述积木式结构和子网路的外形
和性质。最简单的例子是聚类系数,它反映出了在网络中三角形的
存在(三个顶点完整的子图)。三角形很重要,因为它们直接和网
络的鲁棒性和错误容忍性有关(Boccale! et al., 2006)。三角形是图案
中最简单的例子。图案是最小的子图,这些子图组成一些连接特殊
路径的或可能与特定功能有联系的顶点。图案分析包括计算在一个
网络中不同图案的盛行率,并与随机网络中的结果进行比较。指数
随机图分析是一项复杂的统计方法,它流行于社交网络研究中,它
还包括从一组简单的类似图案的积木块中构造复杂网络。再往上一
层,它可以区分集群或模块,有顶点的子图比顶点在它们自己模块
之外的相互连接更牢。最后,模块有时可能结合形成高阶结构,产
生一个真正的垂直模块化。
第二类包括的度量方法在一个网络中对连接的程度敏感。全局
平凡的-世界
- 粉丝: 3
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 蓝zapro.apk
- chromedriver-linux64.zip
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- html动态爱心代码一(附源码)
- c40539bc-071a-486c-9d52-9d0c18d62dac 4.html
- 基于物理的非视域成像(NLOS)算法,利用了nerf+python源码+文档说明
- yuluer知更鸟.7z(1).001
- python课程设计-基于tensorflow实现的图文生成程序,数据集flickr30k-images+源代码+文档说明+截图
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0