拓扑依赖的合并控制有限网络中的标度指数
神经元与认知
2022-11-14 v1 无序系统与神经网络
统计力学
摘要
针对不同数据模态的神经雪崩的多项研究提出了一个著名的假设，即大脑在临界点附近运行。观测到的指数通常指向平均场有向渗流通用类，从而导致使用全连接或随机网络模型来研究雪崩动力学。然而，皮层网络具有显著的非随机特征和已知会影响临界指数的空间组织。在这里，我们表明在不同的拓扑网络中会出现不同的经验指数，并且取决于网络大小。特别是，我们发现在结构化网络中，具有平均场指数的表观无标度行为表现为准临界动力学。在小网络中，这种准临界动力学不易与实际临界点区分开来。我们发现活动动力学中的局部合并可以解释这些不同的指数。因此，在从经验观测量评估临界性时，应同时考虑拓扑和系统大小。
引用
@article{arxiv.2211.06296,
title = {Topology-dependent coalescence controls scaling exponents in finite networks},
author = {Roxana Zeraati and Victor Buendía and Tatiana A. Engel and Anna Levina},
journal= {arXiv preprint arXiv:2211.06296},
year = {2022}
}