2016年第35卷第6期
传感器与微系统(Transducer and Microsystem Technologies）
59
DOI:10. 13873/J.10009787( 2016 )06005903
基于互信息的生物神经网络功能性连接辨识
刘剑钊"2，董朝轶12，冯丽斐1.2
（1.内蒙古工业大学电力学院，内蒙古呼和浩特010080； 2.内蒙古机电控制重点实验室，内蒙古呼和浩特010080）
摘要：生物神经网络(BNN)功能性连接的辨识方法被广泛地应用于使用BNN的多通道时间序列数据构建网络连接结构，帮助加深对BNN结构和功能间关系的认识和理解。首先，建立基于积分点火（IF)机制的BNN模型，获得多通道神经元脉冲序列；然后，运用互信息（MI)方法计算出各神经元间的MI值，超过一定阅值的MI表明两个神经元间存在相互连接关系。仿真结果表明：基于MI的网络辨识方法计算开销较小，对BNN功能性连接结构具有较高的辨识度。
关键词：生物神经网络；积分点火模型；脉冲序列；互信息
中图分类号：TP183
文献标识码：A
文章编号：1000-9787(2016)06-005903
Identification of functional connectivity of biological neural
network based on mutual information
LIU Jian-zhao'.2, DONG Chao-yi'-2 , FENG Li-fei'-2
( 1. College of Electric Power,Inner Mongolia University of Technology,Hohhot 010080, China ; 2. Key Laboratory of Electromechanical Control, Inner Mongolia,Hohhot 010080,China)
Abstract : The identification methods of biological neural network( BNN )functional connections have been widely fo ogeeaa o e saaas aee as aauon oa aen connective structures of BNN helps to further deepen awareness and understanding of their relations to various network functions of BNN. First, synthetic BNN models are established using integrate-and-fire( IF )mechanism, and multi-channel pulse series data are generated form the network. Then, using mutual information( MI )method, Ml between the two neuron nodes can be calculated,which exceeds a certain threshold value indicating that there is a connection between the two neurons. Simulation result shows that the network identification method based on MI has a small computational cost, also it has a high accuracy for identifying the BNN functional connection structures
Key words: biological neural network( BNN ); integrate-and-fire( IF ) model; pulse series; mutual information(MI)
0引言
神经元间通过突触相互连接，传递信息，形成网络功能1)。通常认为：生物神经网络(BNN)连接结构对其网络行为（即，网络所产生的多通道脉冲序列所构成的典型模式)具有支配作用。目前，已发展了多种可用于生物网络功能性连接结构辨识的方法：如概率布尔网络2）、动态贝叶斯网络3.4]、隐马尔可夫模型6]、微分方程6]和信息理论方法。这些动态模型被广泛地应用于基因调控网络、蛋白网络、代谢物网络结构的辨识
互信息（mutual information，MI）作为一种相关性研究收稿日期：2015-10-09
在其他领域已有很广泛地应用-9],但在BNN功能性连接结构辨识方面的应用还未见广泛报道。本文基于信息理论方法提出了一种BNN功能性连接的辨识方法，并采用人工构造的BNN产生的多通道脉冲序列数据对算法的有效性
进行了验证。 1MI网络模型 1.1MI相关理论
MI91是被用来检验两个变量(神经元所产生的电脉冲时间序列)X和Y之间的相关程度。
对于一个离散变量(神经元)X，测量变量X的平均不
*基金项目：2013年度国家自然科学基金地区基金资助项目（61364018）；2013年度教育部留学回国人员科研启动基金资助项目（第45批）； 2015年度内蒙古自治区高等学校“青年科技英才计划"-青年科技领军人才项目：2014年度内蒙古工业大学青年学术骨干项目