一类静息态脑网络的分数阶微分模型构建及初步分析
为了更加精确地构建静息态脑网络,本文提出了一种新的微分方程模型——分数阶微分方程模型.与整数阶微分方程相比,分数阶微分方程具有记忆性,能够携带一段时间内的信息.由于脑电状态并不是孤立形成的,而是受之前一段时间的状态影响,因此分数阶微分方程能够更精确地描述静息态脑网络.本文使用Riemann-Liouville将传统整数阶微分方程模型进行推广,并用Grunwald-Letnikov数值定义求得方程组系数矩阵.同时讨论了该分数阶微分动力系统的稳定性,并对脑电信号进行重构,实现了良好的效果.
脑网络 静息态 分数阶微分方程
屈若为 徐桂芝 刘辉昭 王瑶 尹宁
河北工业大学,300130
国内会议
南京
中文
1-5
2015-10-16（万方平台首次上网日期，不代表论文的发表时间）