摘要：准确辨识生物网络的功能性连接结构, 对于从系统水平探明网络调控机制, 具有重要意义。文中发展了一种基于最小描述准则（minimum description length, MDL）的动态贝叶斯网络结构搜索法（dynamical Bayesian network structure searching method, DBNSSM）, 用于对脉冲神经元网络（pulsed neural network, PNN） （一种人工构造的生物神经元网络）结构进行辨识, 以获得其内部神经元间的功能性连接情况和相互作用强度。在网络结构辨识过程中, 候选网络结构评分函数综合考虑以下两个因素： 1）利用网络动态响应数据确定的网络结构似然度; 2）网络结构的复杂度。以上两因素相互折中后, 评分最小的网络结构, 即为最优网络。网络结构选择过程采用遗传算法（genetic algorithm, GA）, 候选网络结构对应的邻接矩阵元素构成二进制染色体, 交叉、变异后, 经历有限代的进化选择, 收敛于全局最优网络结构。最后, 将DBNSSM应用于PNN产生的动态时间序列数据。仿真结果表明： 该方法能够有效地利用网络响应数据, 辨识出生物神经元网络结构, 未来可进一步应用于体外培养生物神经网络结构的辨识。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社