如何定義腦功能網路

A. 計算機網路的定義,分類和主要功能是什麼

計算機網路的定義：將地理位置不同的具有獨立功能的多台計算機及其外部設備，通過通信線路連接起來，在網路操作系統，網路管理軟體及網路通信協議的管理和協調下，實現資源共享和信息傳遞的計算機系統。

計算機網路的分類：區域網、城域網、廣域網、無線網。

計算機網路的主要功能：將大量獨立的、但相互連接起來的計算機來共同完成計算機任務。

(1)如何定義腦功能網路擴展閱讀：

計算機網路的性能有：

1、速率

計算機發送出的信號都是數字形式的。比特是計算機中數據量的單位，也是資訊理論中使用的信息量的單位。英文字bit來源於binary digit，意思是一個「二進制數字」，因此一個比特就是二進制數字中的一個1或0。

2、帶寬

在計算機網路中，帶寬用來表示網路的通信線路所能傳送數據的能力，因此網路帶寬表示在單位時間內從網路中的某一點到另一點所能通過的「最高數據率」。這里一般說到的「帶寬」就是指這個意思。這種意義的帶寬的單位是「比特每秒」，記為bit/s。

3、吞吐量

吞吐量表示在單位時間內通過某個網路（或信道、介面）的數據量。吞吐量更經常地用於對現實世界中的網路的一種測量，以便知道實際上到底有多少數據量能夠通過網路。

參考資料來源：網路—計算機網路

B. 計算機網路的定義是什麼

計算機網路是指將地理位置不同的具有獨立功能的多台計算機及其外部設備，通過通信線路連接起來，在網路操作系統，網路管理軟體及網路通信協議的管理和協調下，實現資源共享和信息傳遞的計算機系統。

計算機網路的分類與一般的事物分類方法一樣，可以按事物所具有的不同性質特點分類。計算機網路通俗地講就是由多台計算機通過傳輸介質和軟體物理連接在一起組成的。總的來說計算機網路的組成基本上包括：計算機、網路操作系統、傳輸介質以及相應的應用軟體四部分。

(2)如何定義腦功能網路擴展閱讀：

雖然網路類型的劃分標准各種各樣，但是從地理范圍劃分是一種大家都認可的通用網路劃分標准。按這種標准可以把各種網路類型劃分為區域網、城域網、廣域網和互聯網四種。區域網一般來說只能是一個較小區域內，城域網是不同地區的網路互聯，不過在此要說明的一點就是這里的網路劃分並沒有嚴格意義上地理范圍的區分，只能是一個定性的概念。

C. 計算機網路的主要功能是什麼

計算機網路功能主要包括實現資源共享，實現數據信息的快速傳遞，提高可靠性，提供負載均衡與分布式處理能力，集中管理以及綜合信息服務。

網路中的每台計算機都可通過網路相互成為後備機。一旦某台計算機出現故障，它的任務就可由其他的計算機代為完成，這樣可以避免在單機情況下，一台計算機發生故障引起整個系統癱瘓的現象，從而提高系統的可靠性。

組成

計算機網路的分類與一般的事物分類方法一樣，可以按事物所具有的不同性質特點（即事物的屬性）分類。計算機網路通俗地講就是由多台計算機（或其它計算機網路設備）通過傳輸介質和軟體物理（或邏輯）連接在一起組成的。

總的來說計算機網路的組成基本上包括：計算機、網路操作系統、傳輸介質（可以是有形的，也可以是無形的，如無線網路的傳輸介質就是空間）以及相應的應用軟體四部分。

D. 什麼是計算機網路其主要功能是什麼

計算機網路是指將地理位置不同的具有獨立功能的多台計算機及其外部設備，通過通信線路連接起來，在網路操作系統，網路管理軟體及網路通信協議的管理和協調下，實現資源共享和信息傳遞的計算機系統。

主要功能如下：

1、數據通信

數據通信是計算機網路的最主要的功能之一。數據通信是依照一定的通信協議，利用數據傳輸技術在兩個終端之間傳遞數據信息的一種通信方式和通信業務。它可實現計算機和計算機、計算機和終端以及終端與終端之間的數據信息傳遞，是繼電報、電話業務之後的第三種最大的通信業務。

數據通信中傳遞的信息均以二進制數據形式來表現，數據通信的另一個特點是總是與遠程信息處理相聯系，是包括科學計算、過程式控制制、信息檢索等內容的廣義的信息處理。

2、計算機網路資源共享

資源共享是人們建立計算機網路的主要目的之一。計算機資源包括硬體資源、軟體資源和數據資源。硬體資源的共享可以提高設備的利用率，避免設備的重復投資，如利用計算機網路建立網路列印機；軟體資源和數據資源的共享可以充分利用已有的信息資源，減少軟體開發過程中的勞動，避免大型資料庫的重復建設。

3、計算機網路集中管理

計算機網路技術的發展和應用，已使得現代的辦公手段、經營管理等發生了變化。目前，已經有了許多管理信息系統、辦公自動化系統等，通過這些系統可以實現日常工作的集中管理，提高工作效率，增加經濟效益。

4、計算機網路實現分布式處理

網路技術的發展，使得分布式計算成為可能。對於大型的課題，可以分為許許多多小題目，由不同的計算機分別完成，然後再集中起來，解決問題。

5、計算機網路負荷均衡

負荷均衡是指工作被均勻的分配給網路上的各台計算機系統。網路控制中心負責分配和檢測，當某台計算機負荷過重時，系統會自動轉移負荷到較輕的計算機系統去處理。

由此可見，計算機網路可以大大擴展計算機系統的功能，擴大其應用范圍，提高可靠性，為用戶提供方便，同時也減少了費用，提高了性能價格比。

(4)如何定義腦功能網路擴展閱讀：

相關延伸：計算機網路系統的特點：

計算機網路系統是由網路硬體和網路軟體組成的。在網路系統中，硬體的選擇對網路起著決定性的作用，而網路軟體則是挖掘網路潛力的工具。

①計算機網路建立的主要目的是實現計算機資源的共享。計算機資源主要是指計算機硬體、軟體與數據。

②互連的計算機是分布在不同的地理位置的多台獨立的「自治計算機」。連網的計算機既可以為本地用戶提供服務，也可以為遠程用戶提供網路服務。

③連網計算機之間遵循共同的網路協議。

E. 神經網路模型的介紹

神經網路（Neural Networks,NN）是由大量的、簡單的處理單元（稱為神經元）廣泛地互相連接而形成的復雜網路系統，它反映了人腦功能的許多基本特徵，是一個高度復雜的非線性動力學習系統。神經網路具有大規模並行、分布式存儲和處理、自組織、自適應和自學能力，特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。神經網路的發展與神經科學、數理科學、認知科學、計算機科學、人工智慧、信息科學、控制論、機器人學、微電子學、心理學、光計算、分子生物學等有關，是一門新興的邊緣交叉學科。
神經網路的基礎在於神經元。
神經元是以生物神經系統的神經細胞為基礎的生物模型。在人們對生物神經系統進行研究，以探討人工智慧的機制時，把神經元數學化，從而產生了神經元數學模型。
大量的形式相同的神經元連結在—起就組成了神經網路。神經網路是一個高度非線性動力學系統。雖然，每個神經元的結構和功能都不復雜，但是神經網路的動態行為則是十分復雜的；因此，用神經網路可以表達實際物理世界的各種現象。
神經網路模型是以神經元的數學模型為基礎來描述的。人工神經網路(ArtificialNuearlNewtokr)s,是對人類大腦系統的一階特性的一種描。簡單地講,它是一個數學模型。神經網路模型由網路拓撲．節點特點和學習規則來表示。神經網路對人們的巨大吸引力主要在下列幾點：
1．並行分布處理。
2．高度魯棒性和容錯能力。
3．分布存儲及學習能力。
4．能充分逼近復雜的非線性關系。
在控制領域的研究課題中，不確定性系統的控制問題長期以來都是控制理論研究的中心主題之一，但是這個問題一直沒有得到有效的解決。利用神經網路的學習能力，使它在對不確定性系統的控制過程中自動學習系統的特性，從而自動適應系統隨時間的特性變異，以求達到對系統的最優控制；顯然這是一種十分振奮人心的意向和方法。
人工神經網路的模型現在有數十種之多，應用較多的典型的神經網路模型包括BP神經網路、Hopfield網路、ART網路和Kohonen網路。 學習是神經網路一種最重要也最令人注目的特點。在神經網路的發展進程中,學習演算法的研究有著十分重要的地位。目前,人們所提出的神經網路模型都是和學習演算法相應的。所以,有時人們並不去祈求對模型和演算法進行嚴格的定義或區分。有的模型可以有多種演算法。而有的演算法可能可用於多種模型。在神經網路中,對外部環境提供的模式樣本進行學習訓練,並能存儲這種模式,則稱為感知器;對外部環境有適應能力,能自動提取外部環境變化特徵,則稱為認知器。神經網路在學習中,一般分為有教師和無教師學習兩種。感知器採用有教師信號進行學習,而認知器則採用無教師信號學習的。在主要神經網路如Bp網路,Hopfield網路,ART絡和Kohonen網路中;Bp網路和Hopfield網路是需要教師信號才能進行學習的;而ART網路和Khonone網路則無需教師信號就可以學習49[]。所謂教師信號,就是在神經網路學習中由外部提供的模式樣本信號。

F. 簡述計算機網路的主要功能

計算機網路的功能主要表現在硬體資源共享、軟體資源共享和用戶間信息交換三個方面。

1、硬體資源共享。

可以在全網范圍內提供對處理資源、存儲資源、輸入輸出資源等昂貴設備的共享，使用戶節省投資，也便於集中管理和均衡分擔負荷。

2、軟體資源共享。

允許互聯網上的用戶遠程訪問各類大弄資料庫，可以得到網路文件傳送服務、遠地進程管理服務和遠程文件訪問服務，從而避免軟體研製上的重復勞動以及數據資源的重復存貯，也便於集中管理。

3、用戶間信息交換。

計算機網路為分布在各地的用戶提供了強有力的通信手段。用戶可以通過計算機網路傳送電子郵件、發布新聞消息和進行電子商務活動。

(6)如何定義腦功能網路擴展閱讀

在網路發展的早期或在其它各行各業中，因其行業特點所採用的區域網也不一定都是乙太網，在區域網中常見的有：乙太網（Ethernet）、令牌網（Token Ring）、FDDI網、非同步傳輸模式網（ATM）等幾類：

1、乙太網

乙太網最早是由Xerox（施樂）公司創建的，在1980年由DEC、Intel和Xerox三家公司聯合開發為一個標准。乙太網是應用最為廣泛的區域網，包括標准乙太網（10Mbps）、快速乙太網（100Mbps）、千兆乙太網（1000 Mbps）和10G乙太網，它們都符合IEEE802.3系列標准規范。

2、令牌環網

令牌環網是IBM公司於20世紀70年代發展的，這種網路比較少見。在老式的令牌環網中，數據傳輸速度為4Mbps或16Mbps，新型的快速令牌環網速度可達100Mbps。令牌環網的傳輸方法在物理上採用了星形拓撲結構，但邏輯上仍是環形拓撲結構。

結點間採用多站訪問部件（Multistation Access Unit，MAU）連接在一起。MAU是一種專業化集線器，它是用來圍繞工作站計算機的環路進行傳輸。由於數據包看起來像在環中傳輸，所以在工作站和MAU中沒有終結器。

3、FDDI網

FDDI的英文全稱為「Fiber Distributed Data Interface」，中文名為「光纖分布式數據介面」，它是於80年代中期發展起來一項區域網技術，它提供的高速數據通信能力要高於當時的乙太網（10Mbps）和令牌網（4或16Mbps）的能力。

FDDI標准由ANSI X3T9.5標准委員會制訂，為繁忙網路上的高容量輸入輸出提供了一種訪問方法。FDDI技術同IBM的Tokenring技術相似，並具有LAN和Tokenring所缺乏的管理、控制和可靠性措施，FDDI支持長達2KM的多模光纖。

4、ATM網

ATM的英文全稱為「asynchronous transfer mode」，中文名為「非同步傳輸模式」，它的開發始於70年代後期。ATM是一種較新型的單元交換技術，同乙太網、令牌環網、FDDI網路等使用可變長度包技術不同，ATM使用53位元組固定長度的單元進行交換。

它是一種交換技術，它沒有共享介質或包傳遞帶來的延時，非常適合音頻和視頻數據的傳輸。

5、無線區域網（Wireless Local Area Network；WLAN）

無線區域網是目前最新，也是最為熱門的一種區域網，特別是自Intel推出首款自帶無線網路模塊的迅馳筆記本處理器以來。無線區域網與傳統的區域網主要不同之處就是傳輸介質不同，傳統區域網都是通過有形的傳輸介質進行連接的，如同軸電纜、雙絞線和光纖等。

而無線區域網則是採用空氣作為傳輸介質的。正因為它擺脫了有形傳輸介質的束縛，所以這種區域網的最大特點就是自由，只要在網路的覆蓋范圍內，可以在任何一個地方與伺服器及其它工作站連接，而不需要重新鋪設電纜。

這一特點非常適合那些移動辦公一簇，有時在機場、賓館、酒店等（通常把這些地方稱為「熱點」），只要無線網路能夠覆蓋到，它都可以隨時隨地連接上無線網路，甚至Internet。

G. 腦網路分析的指標

1. 邊( link，edge) ，腦區間的功能連接

2. 節點(vertex 或 node)  ，腦區 

3. 節點度(degree) ，度ki，直接連接在一個節點的邊的個數， 節點的度越大則該節點的連接就越多, 節點在網路中的地位也就越重要. 

4. 度分布(degree distribution) ， 度分布P(k) 是網路最基本的一個拓撲性質, 它表示在網路中等概率隨機選取的節點度值正好為k 的概率, 實際分析中一般用 網路中度值為k 的節點占總節點數的比例近似表示 . 擁有不同度分布形式的網路在面對網路攻擊時會表現出截然不同的網路行為。

5. 區域核心節點(provincial hub)   

6. 連接中樞點( connector hub)      

7. 中心度(centrality)  中間中心度bi(centrality). 一個節點對網路中其他節點的信息流的影響。中心度是一個用來 刻畫網路中節點作用和地位的統計指標 , 中心度最大的節點被認為是網路中的 核心節點(hub) .

8. 度中心度(degree centrality) ，最常用的 度中心度以節點度刻畫其在網路中的中心程度     

9. 介數中心度( betweenness centrality) ，介數中心度(betweenness centrality)則從信息流的角度出發定義節點的中心程度.  介數中心性用來確定網路中最中心的節點，即網路中起橋梁作用的節點。hub腦區大多數位於接受多個腦區信息的聯絡皮層，比如豆狀核，海馬，顳中回，頂上回，額上回等。 節點i 的介數 Bi 定義為通過該節點的最短路徑的數目。歸一化介數可通過如下公式計算：

介數越大的節點代表網路中越關鍵的節點（如 hub 節點），在該研究中我們定義網路的hub 節點為 bi 大於 1.5 倍的所有節點的介數平均值。

對於網路G 中的任意一點i, 其介數中心度的計算公式如下

10. 節點強度( node strength) ， 加權網路中由於考慮了邊的權值，無權網路中的度與度的分布特徵在加權網路中進一步推廣為強度與強度的分布。與節點度相比， 節點強度不僅考慮了與節點連接的邊的數目，更進一步考慮了與節點連接的相應的邊的權值 ，能夠更加科學的衡量作者的局部網路特徵，在採用累積頻次加權的作者合作加權網路中，節點強度是指作者與其合作對象的累積絕對合作頻次。

11. 最短路徑長度(shortest path length) ，最短路徑長度，(shortest path length).最短路徑對網路的信息傳輸起著重要的作用, 是描述網路內部結構非常重要的一個參數. 最短路徑刻畫了網路中某一節點的信息到達另一節點的最優路徑,通過最短路徑可以更快地傳輸信息, 從而節省系統資源. 兩個節點i,j之間邊數最少的一條通路稱為此兩點之間的最短路徑, 該通路所經過的邊的數目即為節點i,j之間的最短路徑長度, lij. 網路最短路徑長度L 描述了網路中任意兩個節點間的最短路徑長度的平均值

12. 特徵路徑長度( characteristic path length) Lp ，網路整體路由效率的程度。對於特徵路徑長度的計算，有斷鍵重連的標准小世界網路方法和添加長鍵轉化小世界網路方法。 該指標衡量了網路的信息並行處理的能力或全局效率（1/ Lp），特徵路徑長度的增加說明了腦區之間的信息傳輸和交互效率降低。 一個網路的特徵路徑長度 Lp  ， 是網路中任意兩節點的最短路徑的平均 ：

13. 聚類系數( clustering coefficient) ，聚類系數Cp，網路的聚類程度，集群系數衡量的是網路的集團化程度, 是度量網路的另一個重要參數, 表示某一節點i 的鄰居間互為鄰居的可能. 節點i 的集群系數Ci的值等於該節點鄰居間實際連接的邊的數目(ei)與可能的最大連接邊數(ki(ki–1)/2)的比值。 該指標衡量了網路的局部聚集性或者信息傳輸的局部效率。 網路中所有節點集群系數的平均值為網路的集群系數。

14.局部效率(local efficiency) ，局部效率Eloc，衡量如何高效的傳播信息通過節點的直接相鄰節點，由於集群系數只考慮了鄰居節點間的直接連接, 後來有人提出局部效率(local efficiency)Eloc的概念. 集群系數和局部效率度量了網路的局部信息傳輸能力, 也在一定程度上反映了網路防禦隨機攻擊的能力。任意節點i 的局部效率為

 該指標描述了網路的容錯能力，表明當移除節點 i 後它直接相鄰的節點間的通信效率。

15.全局效率( global efficiency) ，全局效率 Eglob 描述了網路對於信息並行處理的能力，定義為任意兩節點的最短路徑的調和平均值的倒數，全局效率Eglob，衡量如何有效的通過整個網路傳播信息，通常最短路徑長度要在某一個連通圖中進行運算, 因為 如果網路中存在不連通的節點會導致這兩個節點間的最短路徑長度值為無窮 . 因此有人提出了全局效率(global efficiency)Eglob的概念。最短路徑長度和全局效率度量了網路的全局傳輸能力.  最短路徑長度越短, 網路全局效率越高, 則網路節點間傳遞信息的速率就越快. 全局效率的降低說明腦區之間的信息傳輸和交互效率降低。

16.外徑(Diameter) ,The longest of all the geodesics, and the geodesics is a shortest path between two nodes. If we are looking for the diameter of a network, we are really looking at all the shortest paths and then choosing the longest one.

17.平均最短路徑（Average path length） , It's calculated by finding the shortest path between all the nodes, adding them up, and then dividing by the total number of pairs. It will show us the number of steps on average it takes to get from one member to another in the network. For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called the small world phenomena.

18.AAL模板,  AAL全稱是Anatomical Automatic Labeling，AAL分區是由 Montreal Neurological Institute (MNI)機構提供的。AAL模板一共有116個區域，但只有90個屬於大腦，剩餘26個屬於小腦結構，研究的較少。

19.MNI空間， 是Montreal Neurological Institute根據一系列正常人腦的磁共振圖像而建立的坐標系統。Native空間就是原始空間。圖像沒有做任何變換時就是在原始空間。在這個空間中圖像的維度、原點、voxel size等都是不同的， 不同被試的圖像之間不具有可比性 ， 計算出來的任何特徵都不能進行統計分析 ，或是用於機器學習。所以 必須對所有被試的圖像進行配准標准化到同一個模板上，這樣所有被試的維度、原點、voxel size就一樣了。 使用MNI標准模板，就表示把圖像轉換至MNI空間了。 一般而言MNI模板是最常用的，研究的比較多。 標准空間的圖像也是指MNI空間的圖像。

20.Talairach空間， 和MNI空間的坐標有對應的關系，很多軟體都提供這個功能，如Mricron、REST等。Talairach空間只要是為了判別當前坐標在什麼結構上，注意Talairach atlas and Talairach coordinates 就是Stereotaxic space.

21.全局網路度Kp ，節點 i 的連接度 Ki 定義為與該節點直接相連的邊的數目，高度連接的節點的度較大。該指標用來描述一個網路的稀疏度。全局網路的度Kp 為網路中所有節點的度的平均：

22.小世界屬性，基於體素和基於腦區的研究都表明人腦功能網路都具有高效的小世界屬性。 For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called t he small world phenomena . 小世界網路( small-world network) 網路的小世界屬性：高的聚類系數和短的特徵路徑長度。小世界的拓撲結構支持大腦信息處理的分化和整合功能，是一種經濟型的結構，支持高度復雜動態結構的同時，使得配線代價最低。具有小世界屬性的動態系統通常有較好的抗攻擊性，而且表現出比較高的信息傳輸速度，計算能力和同步性。

23. 攻擊性， 用來定量描述某個節點的失敗對網路行為的影響。節點 i 的攻擊性Vi 定義為： 當去掉節點 i 及其連接的邊後網路全局效率的變化 ，可通過如下公式計算：

其中 Eglob』表示去掉節點 i 及其連接的邊後網路的全局效率。 攻擊性同介數中心性一樣也是反映了節點在網路中的重要性。

24.節點效率ei， 衡量一個節點與其他節點通信的效率

25.結構性連接，

26.模塊化結構，

27.結構性腦網路( structural brain networks 或anatomical brain networks) 

28.功能性腦網路( functional brain networks)

29.因效性腦網路( effective brain networks) 

30.無標度網路( scale-free network) 

31.隨機網路( random network) 

32.規則網路( regular network) 

33.無向網路( undirected network)

34.加權網路( weighted network)

35.相位同步( phase synchronization) 

36.連接密度(connection density/cost) 

37.互相關分析( cross-correlation analysis) 

38.因果關系分析( Causality analysis) 

39.直接傳遞函數分析( Directed Transfer Function，DTF) 

40.部分定向相干分析( Partial Directed Coherence，PDC) 

多變數自回歸建模( multivariate autoregressivemodel，MVAR) 

獨立成分分析( independent component analysis，ICA) 

步似然性(synchronization likelihood, SL) 

結構方程建模(structural equationmodeling, SEM) 

動態因果建模(dynamic causalmodeling, DCM) 

心理生理交互作用模型(Psychophysiological interaction model) 

非度量多維定標(non-metric multidimensional scaling) 

體素形態學(voxel-based morphometry,VBM) 

統計參數映射（statistical parametric mapping，SPM） 

皮爾遜相關系數（Pearson correlation）

偏相關系數（Partial correlation） 

腦功能連接，度量空間上分離的不同腦區間在時間上和相關性和功能活動的統計依賴關系，是描述腦區之間協同工作模式的有效手段。

方法學：（1）定義被試的節點的方法：AAL模板和自動配准；（2）定義邊：確定性的纖維跟蹤演算法，HARDI,DSI,概率跟蹤演算法；（3）二值網和加權網的選擇；

最大連通子圖大小，SOBCC（Size of Biggest Connected Component），代表網路連通分量的大小。