脉冲神经元小世界网络的动力学复杂性

本文描述了一个用于评估具有小世界特性的脉冲神经元网络动力学复杂性的计算机模型。网络通过构建一组初始隔离、内部高度连接的簇，然后应用类似于Watts-Strogatz方法的概率重连过程来建立簇间连接。我们采用因果密度（衡量系统组件间独立显著交互的数量）来评估动力学复杂性。选择该指标是因为它利用了滞后观测，因此比其它方法对时间上分散的分离与整合证据更为敏感。结果广泛支持小世界拓扑结构促进动力学复杂性的假设，但揭示了在所研究的网络拓扑下，这一现象仅发生在狭窄的参数范围内，并表明在该范围内与相位同步呈负相关。