用于脑运作探析携环境信息前向网络样本重组树生成算法

用于脑运作探析携环境信息前向网络样本重组树生成算法文献19提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。文献1024汇总介绍量化模型中的一些细节。为方便同行阅读，我们在2013年也发表了系列综合报告2529。文献3132介绍我们开发的一个算法，这一算法实现将一个有向网络分解为一系列前向网络集合。分解出来的前向网络集合可用于分析各种情况对任一细胞活动情况的影响，也可用于搭建精细的神经网络模型，进而用于辅助医学等方面的研究。算法的网络分解能力能符合文献128所介绍的大脑处理信息量化方案的要求。算法的设计用到了笔者在2004年论文30中总结的一种算法设计思路，采用这一思路设计的算法有好的可扩展性，文献33将文献3132介绍的算法升级为DGFFNSRTREES算法，本文介绍了怎样将文献33介绍的DGFFNSRTREES算法升级扩展为DGFFNSRTREESEI算法，升级成的DGFFNSRTREESEI算法可用于多种用途【关键词】过程存储和重组模型大脑量化模型中枢神经系统前向网络样本重组树携环境信息前向网络样本重组树分类号Q4261前言11从信息处理系统的角度研究脑运作机制29，3132脑具备信息处理系统的功能，研究大脑时，可以把脑看成“一种特别的信息处理系统”。目前神经生物学一个受关注的研究方向是大脑的整体运作机制是怎样的，也就是脑中分子层面的活动如何影响、决定细胞层面的活动；细胞层面的活动如何影响、决定微环路和环路层面的活动并最终影响、决定系统层面的活动和功能。当把大脑运作机制看成“一种特别的信息处理系统的运作机制”时，这个研究方向涉及信息系统研究中的“系统结构”、“系统组成原理”、等方面的问题。如果把脑这一信息处理系统的“系统架构”、“系统组成原理”、等看成一套未知的待探索的机制，已积累的“分子层面、细胞层面、微环路和环路层面、系统层面的各种知识和实践经验”可以看成“自然和人们无意中编排设计的、探索脑信息处理运作机制的实验获得的数据和结果”，因此，综合整理分析已有的各层面的知识，建立有坚实解剖学基础、能联系各层面、量化描述脑信息处理过程的模型和框架，发现、掌握系统运作所遵循的基本规律和原理，会对更深刻理解大脑信息处理运作机制有所帮助；将有利于对各种神经系统疾病发病机制的理解、治疗方案的制定；也将有助于我们更深刻地理解，理性、客观地对待我们已知的各种知识和所建立的各种理论综合整理分析、建立量化描述模型、探索系统运作所遵循的基本规律和原理是一项繁杂艰巨的工作，笔者在多年前就已经开始了这项工作，并发表了一系列论文。我们于2007年3月正式发表论文1提出血液循环（包括微循环）机制在大脑运作过程起到时序控制的作用，在研究脑运作机制的时候，要考虑血液周期性灌注的影响；分析了各种脑电现象形成的机制和原因；等。我们笔者在上述论文和一系列发表于网站、全国学术会议、期刊等的论文120（这些论文发表于2006年至2012年）中，提出了血液循环在脑处理信息的过程中具有时序控制作用；分析了各种脑电现象形成的机制和原因；建立描述脑处理信息过程的量化模型，用量化模型结合结构风险最小化相关理论分析说明时序控制作用对大脑高效可靠处理信息的意义；汇总介绍量化模型中的细节；分析了大脑能正确而高效处理信息，使智力能够诞生的原因；分析了理论建立和应用过程的神经生理学原理、只能有相对真理的神经生理学原因；还建立和介绍了另外一种量化分析方案；等。我们还介绍了更多的细节2124。为方便同行阅读，我们在2013年也整理发表了系列综合报告2528以上文字已发表在文献29中12脑研究辅助工具的研发脑研究领域的另外一个研究方向是研发更多用于研究大脑的辅助工具。文献3132介绍了我们设计的一种网络分解算法，这一算法用于将有向网络分解为一系列前向网络集合，为每个节点都生成一个以这个节点为输出细胞的前向网络，并且实现前向网络的扩维次数可控、不会无限制扩维，观察时间长度可控。分解出来的前向网络集合可用于分析各种情况对任一细胞活动状态的影响，也可以用于搭建精细的神经网络模型，进而用于辅助医学等方面的研究文献3132介绍的算法设计过程中用到了笔者在2004年论文中总结的一种算法分析设计思路面对一些需求复杂的算法设计时，从“递归空间的分类”这一个角度入手，进而分析各递归空间间的参数传递关系，从而设计出符合需求的算法流程及其“搭配策略”30。采用这一设计思路设计的算法具有好的可扩展性，文献33将文献3132介绍的算法进行升级为前向网络样本重组树生成算法，实现样本排列图构造信息的生成。本文介绍怎样将文献33介绍的前向网络样本重组树生成算法（DGFFNSRTREES算法）升级为携环境信息前向网J样本重组树生成算法（DGFFNSRTREESEI算法），升级成的DGFFNSRTREESEI算法可用于多种用途13一些需要注意的事项在上面文字和所提及参考文献中，“大脑”和“脑”两词在很多情况下都对应英文中的BRAIN，就是指脑，这一点需要注意14意义各类理论、知识、语言、等的本质和应用等已可由统一的大脑信息处理量化模型描述128。例如无限细分概念的相关神经机制可用我们的大脑处理信息量化模型描述；标准模型理论认为，物质是由“构成物质的基本粒子”构成，并通过交换“传递力的基本粒子”而结合在一起，这一理论也遵循着我们提出的理论建立和应用的神经生理学原理，也是一个相对真理，相关神经机制可用我们的大脑处理信息量化模型分析清楚；等等。本文设计的算法，可用于更精细分析脑整体运作；可用于更精细、以更多种方式干预大脑整体运作；等等用途，具有积极意义，值得进一步研究2算法需求分析总结需求描述要建立描述更丰富信息的脑量化分析模型，需要设计合理的数据结构和函数，用于描述脑细胞所处环境和分析环境对脑细胞活动的影响，例如对波动阈值的影响需求分析要实现上述需求，DGFFNSRTREES算法升级后的DGFFNSRTREESEI算法相应的数据结构中，要有相应的成员用于描述脑细胞所处的环境的信息（如位置，各种化学物质浓度情况等），或者指向描述脑细胞所处环境信息（如位置，各种化学物质浓度情况等）的数据结构3算法重要数据结构升级设计31一些说明在本文中，一些已在文献3133介绍过的重要数据结构设计本文不再重复一一介绍。下面将以图和伪代码相结合的方式介绍以前一些未详细列出介绍的，有升级点的重要数据结构32有向图类有向图类，DIRECTEDGRAPH，简称DG，算法升级过程中，有向图类将增加必要的成员和函数321图节点类重要成员和增加成员介绍CLASSGRAPHNODE/FFNSRTREENODEGENERATEDNODELINK；/图节点类中增加一个链表成员GENERATEDNODELINK，该成员是前向网络树生成过程中，对应本图节点的所有树节点的链表/INTGENERATEDNODENUM；/在生成某一棵EIFFNSRTREE的过程中，GENERATEDNODELINK链表中所链接的EIFFNSRTREENODE个数/ENVIROMENTINFORMATIONENVOFNODE；/指针，指向描述细胞所处环境的数据结构/TIMEBEGINTIME；/和ENDTIME配合标记本图节点描述的神经细胞及其所处环境是处于哪个时间区间的/TIMEENDTIME；/和BEGINTIME配合标记本图节点描述的神经细胞及其所处环境是处于哪个时间区间的/322图边类增加成员介绍CLASSGRAPHEDGE/ENVIROMENTINFORMATIONENVOFEDGE；/指针，指向描述传输通路所处环境的数据结构/TIMEBEGINTIME；/和ENDTIME配合标记本图边描述的传输通路及其所处环境是处于哪个时间区间的/TIMEENDTIME；/和BEGINTIME配合标记本图边描述的传输通道及其所处环境是处于哪个时间区间的/33前向网络样本重组树前向网络样本重组树，FEEDFORWARDNETWORKSAMPLERECOMBINATIONTREE，简称FFNSRTREE。FFNSRTREE是一种复合数据结构，由树结构，队列结构，链表结构复合而成。FFNSRTREE结构也可以看作由三部分组成，由FFNTREE子结构，队列子结构、链表子结构三部分复合组成CLASSFFNSRTREE/FFNSRTREENODEROOTNODE；/指向树型子结构的根节点/FFNSRTREEQUEUEFFNSRTREEQUEUEINSTANCE；/指向列子结构/（1）前向网络样本重组树FFNSRTREE的总体结构如图1所示（2）树节点类重要成员和增加成员介绍CLASSFFNSRTREENODE/FFNSRTREENODENEXTNODEONGENERATEDLINK；/下一个和本树节点由同一个图节点产生的树节点/LONGDOUBLELATENCYTIME；/信息从本细胞到输出细胞，包括信号转换、本细胞和沿途细胞处理信息时间的总传输延迟/ENVIROMENTINFORMATIONENVOFTREENODE；/指针，指向描述细胞所处环境的数据结构/TIMEBEGINTIME；/和ENDTIME配合标记本FFNSRTREE节点描述的神经细胞及其所处环境是处于哪个时间区间的/TIMEENDTIME；/和BEGINTIME配合标记本FFNSRTREE节点描述的神经细胞及其所处环境是处于哪个时间区间的/（3）树边类重要成员和增加成员介绍CLASSFFNSRTREEEDGE/SIGNALINPUTSIGNALS；/输入信息队列/SIGNALOUTPUTSIGNALS；/输出信息队列/VOIDTRANSMITTER（）；/将输入的已经完成传输时间延迟的信息从INPUTSIGNALS信息队列取出，放到OUTPUTSIGNALS信息队列，描述”输入信息输入传输路径输入端后，经过一定时间的延迟，到达传输路径输出端”这一过程/LONGDOUBLETRANSMITTIME；/边时间权值，定义为信息从本树边输入端传输到输出端，包括信号转换、输入端神经细胞处理信息所需时间/LONGDOUBLELATENCYTIME；/信息从输入端到输出细胞，包括信号转换、输入端细胞和沿途细胞处理信息时间的总传输延迟/LONGDOUBLELINKPOWER；/边连接权值/ENVIROMENTINFORMATIONENVOFTREEEDGE；/指针，指向描述传输通路所处环境的数据结构/TIMEBEGINTIME；/和ENDTIME配合标记本FFNSRTREE边描述的传输通路及其所处环境是处于哪个时间区间的/TIMEENDTIME；/和BEGINTIME配合标记本FFNSRTREE边描述的传输通路及其所处环境是处于哪个时间区间的/（4）树队列类重要成员介绍CLASSFFNSRTREEQUEUE/FFNSRTREEQUEUENODEFISRTQUEUENODE；/队列中第一个队列节点/LONGQUEUENODENUM；/队列中的队列节点总数/（5）树队列节点类重要成员介绍CLASSFFNSRTREEQUEUENODE/STRINGLABLE；/节点标识，记录本队列节点母鐾冀诘/LONGSEQINFO；/排序信息，记录在排好序队列中本节点的序号/GRAPHNODEORIGINGRAPHNODE；/图节点指针，指向本队列节点对应的图节点/LONGDOUBLEMAXLATENCYTIME；/记录队列中到输出细胞时间延迟最大路径的时间延迟值/FFNSRTREENODEGENERATEDNODELINK；/链表成员GENERATEDNODELINK，该成员是前向网络树生成过程中，由和本队列节点对应图节点产生的所有树节点的链表/34十字链表结构十字链表结构，用于实现表现样本排列图的样本排列矩阵CLASSCROSSLINKNODESTRINGLABLE；/节点标识，标记对应哪个图节点/STRINGTIMEAREA；/标记对应哪个时间区域，即哪个样本/CROSSLINKNODERIGHTNODE；/指向右方节点/CROSSLINKNODEDOWNNODE；/指向下方节点/STATESTATEOFTHISCELL；/记录细胞具体兴奋情况的数据结构/CALIBRATIONTIMECALIBRATIONTIMEVALUE；/记录符合精确程度要求的延迟校准时间值的数据结构，在算法启用延迟时间校准模式的时候，会用到这一成员。在启用延迟时间校准模式的时候，初始化十字链表时，每个FFNSRTREE节点对应一个十字链表行头节点/FFNSRTREENODERELATEDFFNSRTREENODE；/在启用延迟时间校准模式的时候，初始化十字链表时，每个FFNSRTREE节点对应一个十字链表行头节点，这个成员标记一个行头节点对应哪个FFNSRTREE节点/在本算法中，规定每个十字链表节点对应一个细胞在一个样本时间段内的兴奋状况/CLASSCROSSLINK/CROSSLINKNODEROWHEAD；/行头节点指针数组，指向各行第一个节点/CROSSLINKNODECOLHEAD；/列头节点指针数组，指向各列第一个节点/LONGROWNUM；/总行数/LONGCOLNUM；/总列数/BOOLCALIBRATIONTIMEMODE；/是否开启延迟时间校准模式/35描述环境的数据结构ENVIROMENTINFORMATIONCLASSENVIROMENTINFORMATION/REGIONREGION；/本环境数据是描述哪个空间范围的，包括位置，范围，形状，大小等信息/TIMEBEGINTIME；/和ENDTIME成员配合标记描述的是相应空间哪个时间范围内的环境情况/TIMEENDTIME；/和BEGINTIME成员配合标记描述的是相应空间哪个时间范围内的环境情况/4DGFFNSRTREES算法升级为DGFFNSRTREESEI算法的思路算法的升级思路主要有如下几点（1）在生成FFNSRTREE过程中，在生成树节点的时候，为FFNSRTREENODE数据结构中ENVOFTREENODE，BEGINTIME，ENDTIME赋上相应的值（2）在生成FFNSRTREE过程中，在生成树边的时候，为FFNSRT某一特定的网络节点、某一特定的树节点是处于那个时间范围内的；对网络边、树边所处环境的描述也可以采取类似方法5算法的流程设计除了4中涉及的升级点外，DGFFNSRTREESEI算法流程和DGFFNSRTREES算法类似，这里不再重复描述，具体参考文献336算法的应用在生成FFNSRTREE和用于表现样本排列矩阵的有向十字链表后，就能生成和推演出动态的样本排列图，算法产生的样本排列图（数据上表现为FFNSRTREE，样本排列矩阵等）有多种用途61应用于网络运作的精确分析由于携带有丰富的描述细胞、传递通路、等所处环境的信息，算法可按实际研究需要分别在开启和关闭延迟时间校准两种工作模式（参考文献33）下，用于更精细的大脑整体运作分析62应用于网络运作的精确干预由于携带有丰富的描述细胞、传递通路、等所处环境的信息，算法可按实际研究需要分别在开启和关闭延迟时间校准两种工作模式（参考文献33）下，用于更精细、通过更多种方法干预大脑整体运作63应用于其他各种用途7可进一步改进的工作可改进的工作有如下几点（1）需要注意的一点是，本文介绍的是文献129涉及的量化模型的计算机模型，计算机模型是“量化模型的模型”，在描述自然事物和规律的精确度上是有一定损失的，例如在本文介绍的计算机模型中，树边类的成员中，边时间权值TRANSMITTIME，总传输延迟LATENCYTIME，边连接权值LINKPOWER等成员定义为LONGDOUBLE类型的变量，有表数精度、表数范围等方面的局限性；在有需要进行更精细研究的时候，可按实际研究需要，采用将相关成员定义为符合研究精细程度要求的数据结构类型等方式改进技术，建立符合研究需要的计算机模型。33（2）在程序设计中，需求满足的优先级顺序为“正确性、稳定性、可测性、规范性和可读性、全局效率、局部效率、个人风格”，上面算法采用了递归程序的框架设计，先满足了优先级高的需求，后续可以通过递归程序的非递归化优化效率。3132（3）在计算量大的情况下，通过适当改造，上述算法对应的计算任务可以分拆成多个子计算任务，然后分布到多个系统中计算。3132（4）为程序调试方便，个别数据结构设计存在信息冗余，可进一步进行程序的代码级优化。3132参考文献1谢勤，王乙容大脑处理信息的过程存储和重组模型J现代生物医学进展，2007，（3）432435，439（XIEQIN，WANGYIRONGSTORINGANDREENGINEERINGOFMODELSOFCEREBRALINFORMATIONPROCESSJPROGRESSOFMODERNBIOMEDICINE，2007，（3）432435，439）2谢勤血液循环在大脑信息处理过程中的时序控制作用J现代生物医学进展，2008，（6）11521159（XIEQINTIMERROLEOFBLOODCIRCULATIONWHENBRAINPROCESSINGINFORMATIONJPROGRESSOFMODERNBIOMEDICINE，2008，（6）11521159）3谢勤过程存储与重组模型ZWWWSCIAMCOMCN，2006（XIEQINMODELOFPROCESSSTORINGANDRECALLINGZWWWSCIAMCOMCN，2006）4谢勤一种关于脑电波起源和含义的观点C中国神经科学学会第七次全国学术会议论文集北京科学出版社，2007144（XIEQINAVIEWPOINTABOUTORIGINANDMEANINGOFEEGSCPROCEEDINGSOFTHE7THBIENNIALMEETINGANDTHE5THCONGRESSOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS，2007144）5谢勤血液循环在大脑信息处理过程中的时序控制作用整理C中国神经科学学会第八次全国学术会议论文集北京科学出版社，2009135（XIEQINAREVIEWOFTIMERROLEOFBLOODCIRCULATIONWHENBRAINPROCESSINGINFORMATIONCPROCEEDINGSOFTHE8THBIENNIALMEETINGOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS2009135）6谢勤血液循环在大脑信息处理过程中的时序控制作用整理J中外健康文摘，2011，8（20）9398（XIEQINAREVIEWOFTIMERROLEOFBLOODCIRCULATIONWHENBRAINPROCESSINGINFORMATIONJWORLDHEALTHDIGEST，2011，8（20）9398）7谢勤大脑处理信息的样本量和网络规模问题J中外健康文摘，2011，8（21）8891（XIEQINMATCHINGPROBLEMOFSAMPLEQUANTITYANDNETWORKSCALEWHENBRAINPROCESSINGINFORMATIONJWORLDHEALTHDIGEST，2011，8（21）8891）8X勤大脑处理信息量化模型中的另一种样本重组方案J中外健康文摘，2011，8（22）209210（XIEQINANOTHERSAMPLERECOMBINATIONSOLUTIONFORQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGJWORLDHEALTHDIGEST，2011，8（22）209210）9谢勤大脑处理信息的样本量和网络规模问题C中国神经科学学会第九次全国学术会议论文集北京科学出版社，2011366（XIEQINMATCHINGPROBLEMOFSAMPLEQUANTITYANDNETWORKSCALEWHENBRAINPROCESSINGINFORMATIONCPROCEEDINGSOFTHE9THBIENNIALMEETINGOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS2011366）10谢勤大脑处理信息量化模型中的细节汇编J中外健康文摘，2011，8（48）7880（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGJWORLDHEALTHDIGEST，2011，8（48）7880）11谢勤大脑处理信息量化模型中的细节汇编二J中外健康文摘，2012，9（4）101102（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIIJWORLDHEALTHDIGEST，2012，9（4）101102）12谢勤大脑处理信息量化模型中的细节汇编三J中外健康文摘，2012，9（16）6162（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIIIJWORLDHEALTHDIGEST，2012，9（16）6162）13谢勤大脑处理信息量化模型中的细节汇编四J中外健康文摘，2012，9（23）193194（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIVJWORLDHEALTHDIGEST，2012，9（23）193194）14谢勤大脑处理信息量化模型中的细节汇编五J中外健康文摘，2012，9（20）5657（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVJWORLDHEALTHDIGEST，2012，9（20）5657）15谢勤大脑处理信息量化模型中的细节汇编六J中外健康文摘，2012，9（29）238239（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIJWORLDHEALTHDIGEST，2012，9（29）238239）16谢勤大脑处理信息量化模型中的细节汇编七J中外健康文摘，2012，9（33）4546（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIIJWORLDHEALTHDIGEST，2012，9（33）4546）17谢勤大脑处理信息量化模型中的细节汇编八J中外健康文摘，2012，9（39）393395（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIIIJWORLDHEALTHDIGEST，2012，9（39）393395）18谢勤大脑处理信息量化模型中的细节汇编九J中外健康文摘，2012，9（39）402403（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIXJWORLDHEALTHDIGEST，2012，9（39）402403）19谢勤大脑处理信息量化模型中的细节汇编十J中外健康文摘，2012，9（39）407408（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXJWORLDHEALTHDIGEST，2012，9（39）407408）20谢勤大脑处理信息量化模型中的细节汇编十一J中外健康文摘，2012，9（50）112113（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIJWORLDHEALTHDIGEST，2012，9（50）112113）21谢勤大脑处理信息量化模型中的细节汇编十二J大家健康（下旬刊），2014，118（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIIJFORALLHEALTH，2014，118）22谢勤大脑处理信息量化模型中的细节汇编十三J大家健康（中旬刊），2014，12223（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIIIJFORALLHEALTH，2014，12223）23谢勤大脑处理信息量化模型中的细节汇编十四J大家健康（中旬刊），2014，212（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIVJFORALLHEALTH，2014，212）24谢勤大脑处理信息量化模型中的细节汇编十五J大家健康（下旬刊），2014，310（XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXVJFORALLHEALTH，2014，310）25谢勤大脑处理信息量化模型和细节综合报告J大家健康（下旬版），2013，7（11）69（XIEQINCOMPREHENSIVEREPORTOFAQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGANDITSDETAILSJFORALLHEALTH，2013，7（11）69）26谢勤基于量化模型的对大脑高效可靠处理信息实现机制的分析J大家健康（下旬版），2013，7（11）1113（XIEQINCOMPREHENSIVEREPORTOFAQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGANDITSDETAILSIIJFORALLHEALTH，2013，7（11）1113）27谢勤基于大脑处理信息量化模型的对若干认知问题的分析J大家健康（下旬版），2013，7（11）1415（XIEQINCOMPREHENSIVEREPORTOFAQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGANDITSDETAILSIIIJFORALLHEALTH，2013，7（11）1415）28谢勤大脑处理信息量化模型和细节综合报告C中国神经科学学会第十次全国学术会议论文集北京科学出版社，2013（XIEQINCOMPREHENSIVEREPORTOFAQUANTITA