本發明專利技術屬于同步程度量化方法領域，公開了一種離散事件發生時刻序列同步程度計算方法、介質及設備，通過構建完全隨機的有事件發生時刻序列，計算離散事件整個系統有事件發生時刻序列的Kuramoto序參量并進行修正，定量刻畫系統中具有不同數目有事件的個體之間的同步程度，修正后的Kuramoto序參量更能夠反映系統的真實同步行為，在物理、生物、工程等眾多領域中具有十分重要的意義。具有十分重要的意義。具有十分重要的意義。
【技術實現步驟摘要】
一種離散事件發生時刻序列同步程度計算方法、介質及設備
[0001]本專利技術屬于同步程度量化方法領域，具體涉及一種離散事件發生時刻序列同步程度計算方法。
技術介紹
[0002]同步行為反映了一個系統中所發生的事件之間的協調性，揭示了系統中個體在時間尺度上的協調性和統一性，在眾多研究領域中是十分常見的現象，包括物理學、化學、生物學等等。比如自然界中成千上萬的螢火蟲同步閃爍，上萬億個電子在超導體中步調一致地前進，心臟中成千上萬個起搏細胞持續不斷且協調一致地發射等等。隨著科學的進步，在社會科學、人工智能和電力系統等應用領域中也發現了同步的應用。同時，同步行為也具有一定的破壞性。比如，當一群人同步前進過一座橋時，會引起橋的橫向力的累加，最終會引起大橋的搖晃甚至坍塌。可見，對系統中個體同步程度的定量刻畫，在物理、生物、工程等眾多領域中具有十分重要的意義。
[0003]目前，計算連續事件的同步指標包括皮爾遜相關，時間滯后互相關，動態時間扭曲和瞬時相位同步等等，這些指標一般用于量化連續變化的信號如何隨時間共同變化。對于有些現實系統，我們可以將每個個體發生的事件歸類為發生和未發生兩種模式，形成一個有/無事件序列。比如說，在神經系統中，神經元產生動作電位時，記為有事件，處于靜息態時，記為“無”事件。那么，最終得到了一個有/無形式的事件發生時刻序列。目前，計算這一類離散事件的同步指標有Kuramoto序參量，該指標能夠刻畫系統中所有個體產生的有/無事件的同步程度，但是限制于所有個體產生了近似相同數目的有事件(即每個個體具有相似的事件發生率)，無法刻畫具有不同數目有事件的個體之間的同步程度。
[0004]通過上述分析，現有技術存在的問題及缺陷為：
[0005]計算這一類離散事件的同步指標有Kuramoto序參量，該指標能夠刻畫系統中所有個體產生的有/無事件的同步程度，但是限制于所有個體產生了近似相同數目的有事件(即每個個體具有相似的事件發生率)，無法刻畫具有不同數目有事件的個體之間的同步程度。
技術實現思路
[0006]針對現有的同步程度計算存在上述技術問題，本專利技術提出了一種離散事件發生時刻序列同步程度計算方法，有望成為定量化工具的新標準，并為將來更精確的定量化方法提供新思路。
[0007]本專利技術是這樣實現的，一種離散事件發生時刻序列同步程度計算方法，包括以下步驟：
[0008]步驟一：假設整個系統共有N個個體。按照每個個體有事件所發生的時刻，產生一個時間窗口T內的有事件發生時刻序列：
[0009][0010]其中，i＝1,2,...,N，表示個體i發生第f個有事件的時刻。
[0011]步驟二：計算整個系統有事件發生時刻序列的Kuramoto序參量：
[0012][0013]其中，
[0014][0015]表示個體i在時刻的相，<
·
>
t
表示時間平均，|
·
|表示復數的模，j表示虛數單位。
[0016]步驟三：構建完全隨機的有事件發生時刻序列。
[0017](1)統計每個個體有事件的發生率：
[0018][0019]其中i＝1,2,...,N，δ(t)為狄拉克δ函數。
[0020](2)對于每個個體，按照發生率r
i
以泊松過程形式產生時間窗口T內的有事件發生時刻的序列：
[0021][0022]其中i＝1,2,...,N。那么，最終得到一個與原有事件發生時刻序列相對應的完全隨機的有事件發生時刻序列。
[0023]步驟四：按照步驟二中的公式計算完全隨機的有事件發生時刻序列的Kuramoto序參量K
′
。
[0024]步驟五：計算修正后的Kuramoto序參量：
[0025][0026]進一步，包括以下步驟：
[0027](1)構建完全隨機的有事件時刻序列；
[0028](2)計算有事件發生時刻序列的Kuramoto序參量；
[0029](3)計算修正后的Kuramoto序參量。
[0030]進一步，包括以下步驟：
[0031](1)假設整個系統共有N個個體。按照每個個體有事件所發生的時刻，產生一個時間窗口T內的有事件發生時刻序列：
[0032][0033]其中，i＝1,2,...,N，表示個體i發生第f個有事件的時刻。
[0034](2)計算整個系統有事件發生時刻序列的Kuramoto序參量：
[0035][0036]其中，
[0037][0038]表示個體i在時刻的相，<
·
>
t
表示時間平均，|
·
|表示復數的模，j表示虛數單位。
[0039](3)構建完全隨機的有事件發生時刻序列。
[0040](4)按照步驟二中的公式計算完全隨機的有事件發生時刻序列的Kuramoto序參量K
′
。
[0041](5)計算修正后的Kuramoto序參量：
[0042][0043]進一步，構建與原有事件發生時刻序列相對應的完全隨機的有事件發生時刻序列，步驟包括：
[0044](1)統計每個個體有事件的發生率：
[0045][0046]其中i＝1,2,...,N，δ(t)為狄拉克δ函數；
[0047](2)對于每個個體，按照發生率r
i
以泊松過程形式產生時間窗口T內的有事件發生時刻的序列：
[0048][0049]其中i＝1,2,...,N。那么，最終得到一個與原有事件發生時刻序列相對應的完全隨機的有事件發生時刻序列。
[0050]本專利技術的另一目的在于提供一種計算機設備，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如權利要求1
?
3任意一項所述方法的步驟。
[0051]本專利技術的另一目的在于提供一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行上述的方法的步驟。
[0052]本專利技術的另一目的在于提供一種信息數據處理終端，所述信息數據處理終端用于實現上述方法的步驟。
[0053]結合上述的技術方案和解決的技術問題，本專利技術所要保護的技術方案所具備的優點及積極效果為：
[0054]第一、針對上述現有技術存在的技術問題以及解決該問題的難度，緊密結合本專利技術的所要保護的技術方案以及研發過程中結果和數據等，詳細、深刻地分析本專利技術技術方案如何解決的技術問題，解決問題之后帶來的一些具備創造性的技術效果。具體描述如下：
[0055]對于神經系統中同步行為的刻畫，本專利技術基于通過短時程突觸可塑性耦合，且同
時包含興奮性和抑制性神經元的神經系統模型，從理論上分析了興奮性和抑制性神經元群體隨突觸效能A的變化從同步狀態到非同步本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種離散事件發生時刻序列同步程度計算方法，其特征在于，通過構建完全隨機的有事件發生時刻序列，計算離散事件整個系統有事件發生時刻序列的Kuramoto序參量并進行修正，定量刻畫系統中具有不同數目有事件的個體之間的同步程度，修正后的Kuramoto序參量更能夠反映系統的真實同步行為。2.根據權利要求1所述的離散事件發生時刻序列同步程度計算方法，其特征在于，包括以下步驟：(1)構建完全隨機的有事件時刻序列；(2)計算有事件發生時刻序列的Kuramoto序參量；(3)計算修正后的Kuramoto序參量。3.根據權利要求2所述的計算有事件發生時刻序列的Kuramoto序參量和計算修正后的Kuramoto序參量，其特征在于，包括以下步驟：(1)假設整個系統共有N個個體。按照每個個體有事件所發生的時刻，產生一個時間窗口T內的有事件發生時刻序列：其中，i＝1,2,...,N，表示個體i發生第f個有事件的時刻。(2)計算整個系統有事件發生時刻序列的Kuramoto序參量：其中，表示個體i在時刻的相，<
·
>
t
表示時間平均，|
·
|表示復數的模，j表示虛數單位。(3)構建完全隨機的有事件發生時刻序列。(4)按照步驟二中...
【專利技術屬性】
技術研發人員：王重陽，季碧蕓，呂琳媛，任曉龍，張符融，
申請(專利權)人：電子科技大學長三角研究院湖州，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。