本文采用基于连接函数(copula)的格兰杰因果(Granger Causality)来构建神经元与神经元间的连接网络,对随机与重复干扰情况下网络属性的差异进行分析。在重复和随机干扰的情况下,通过将聚类系数和效率进行对比,发现在重复干扰前期,由于对干扰的不适应,此时处理信息比较随机。通过一段时间学习适应,在干扰后期,网络属性中的效率保持平稳,聚类系数愈加接近无干扰的情况。说明重复干扰情况下,猕猴对重复干扰能够适应,为进一步研究神经元协同工作打下基础。
科研之友
微信
新浪微博
Facebook
分享链接
