用于腦運作分析的前向網(wǎng)絡樣本重組樹生成算法及樣本排列圖的生成謝勤1，2，3，4,1廣州市科技和信息化局，廣州5100002第16屆亞運會組委會信息技術(shù)部，廣州5100003廣州生產(chǎn)力促進中心，廣州5100004廣州市科學技術(shù)信息研究所，廣州510000摘要文獻19提出了血液循環(huán)在大腦處理信息的過程中具有時序控制作用，并用量化模型結(jié)合結(jié)構(gòu)風險最小化相關(guān)理論說明時序控制作用的意義。文獻1024匯總介紹量化模型中的一些細節(jié)。為方便同行閱讀，我們在2013年也發(fā)表了系列綜合報告129。文獻3132介紹我們開發(fā)的一個算法，這一算法實現(xiàn)將一個有向網(wǎng)絡分解為一系列前向網(wǎng)絡集合。分解出來的前向網(wǎng)絡集合可用于分析各種情況對任一細胞活動情況的影響，也可用于搭建精細的神經(jīng)網(wǎng)絡模型，進而用于輔助醫(yī)學等方面的研究。算法的網(wǎng)絡分解能力能符合文獻128所介紹的大腦處理信息量化方案的要求。算法的設(shè)計用到了筆者在2004年論文30中總結(jié)的一種算法設(shè)計思路，采用這一思路設(shè)計的算法有好的可擴展性，本文介紹了怎樣將文獻3132介紹DGFFNTREES算法升級擴展為DGFFNSRTREES算法，升級成的DGFFNSRTREES算法可用于實現(xiàn)樣本排列圖的生成。關(guān)鍵詞過程存儲和重組模型；時序控制；腦電波；微循環(huán)；結(jié)構(gòu)風險；中樞神經(jīng)系統(tǒng)；信息處理；微環(huán)路；時間認知；智力起源；大腦量化模型；前向網(wǎng)絡樹；前向網(wǎng)絡樣本重組樹中圖分類號Q426文獻標識碼A文章編號FEEDFORWARDNETWORKSAMPLERECOMBINATIONTREEGENERATINGARITHMETICDGFFNSRTREESARITHMETICANDGENERATIONOFSAMPLERECOMBINATIONGRAPHXIEQIN1,1BUREAUOFSCIENCE,TECHNOLOGYANDINFORMATIONOFGUANGZHOUMUNICIPALITYITANDSUGGESTAQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGLITERATURES1024INTRODUCEDDETAILSOFTHEQUANTITATIVEMODELLITERATURES3132INTRODUCEANARITHMETIC,DGFFNTREESARITHMETICTHATWEDESIGNFORNETWORKANALYSEDGFFNTREESARITHMETICISABLETOCHANGEADIRECTEDNETWORKWITHFEEDBACKLOOPSINTOASETOFFEEDFORWARDNETWORKS，ACCORDINGTOTHEQUANTIATIVESOLUTIONSUGGESTEDBYLITERATURES19THISARTICLEINTRODUCEAUPGRADEOFDGFFNTREESARITHMETICDGFFNSRTREESARITHMETICANDGENERATIONOFSAMPLERECOMBINATIONGRAPHKEYWORDSMODELOFPROCESSSTORINGANDRECALLINGTIMINGCONTROLEEGMICROCIRCULATIONSTRUCTURERISKMINIMIZATIONCNSINFORMATIONPROCESSINGMICROCIRCUITTIMECOGNITIONORIGINOFINTELLIGENCEQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGFEEDFORWARDNETWORKTREEFFNTREE；FEEDFORWARDNETWORKSAMPLERECOMBINATIONTREEFFNSRTREE前言1從信息處理系統(tǒng)的角度研究腦運作機制29,3132腦具備信息處理系統(tǒng)的功能，研究大腦時，可以把腦看成“一種特別的信息處理系統(tǒng)”。目前神經(jīng)生物學一個受關(guān)注的研究方向是大腦的整體運作機制是怎樣的，也就是腦中分子層面的活動如何影響、決定細胞層面的活動；細胞層面的活動如何影響、決定微環(huán)路和環(huán)路層面的活動并最終影響、決定系統(tǒng)層面的活動和功能。當把大腦運作機制看成“一種特別的信息處理系統(tǒng)的運作機制”時，這個研究方向涉及信息系統(tǒng)研究中的“系統(tǒng)結(jié)構(gòu)”、“系統(tǒng)組成原理”、等方面的問題。如果把腦這一信息處理系統(tǒng)的“系統(tǒng)架構(gòu)”、“系統(tǒng)組成原理”、等看成一套未知的待探索的機制，已積累的“分子層面、細胞層面、微環(huán)路和環(huán)路層面、系統(tǒng)層面的各種知識和實踐經(jīng)驗”可以看成“自然和人們無意中編排設(shè)計的、探索腦信息處理運作機制的實驗獲得的數(shù)據(jù)和結(jié)果”，因此，綜合整理分析已有的各層面的知識，建立有堅實解剖學基礎(chǔ)、能聯(lián)系各層面、量化描述大腦信息處理過程的模型和框架，發(fā)現(xiàn)、掌握系統(tǒng)運作所遵循的基本規(guī)律和原理，會對更深刻理解大腦信息處理運作機制有所幫助；將有利于對各種神經(jīng)系統(tǒng)疾病發(fā)病機制的理解、治療方案的制定；也將有助于我們更深刻地理解，理性、客觀地對待我們已知的各種知識和所建立的各種理論。綜合整理分析、建立量化描述模型、探索系統(tǒng)運作所遵循的基本規(guī)律和原理是一項繁雜艱巨的工作，筆者在多年前就已經(jīng)開始了這項工作，并發(fā)表了一系列論文。我們于2007年3月正式發(fā)表論文1提出血液循環(huán)（包括微循環(huán)）機制在大腦運作過程起到時序控制的作用，在研究大腦運作機制的時候，要考慮血液周期性灌注的影響；分析了各種腦電現(xiàn)象形成的機制和原因；等。我們筆者在上述論文和一系列發(fā)表于網(wǎng)站、全國學術(shù)會議、期刊等的論文120（這些論文發(fā)表于2006年至2012年）中，提出了血液循環(huán)在大腦處理信息的過程中具有時序控制作用；分析了各種腦電現(xiàn)象形成的機制和原因；建立描述大腦處理信息過程的量化模型，用量化模型結(jié)合結(jié)構(gòu)風險最小化相關(guān)理論分析說明時序控制作用對大腦高效可靠處理信息的意義；匯總介紹量化模型中的細節(jié)；分析了大腦能正確而高效處理信息，使智力能夠誕生的原因；分析了理論建立和應用過程的神經(jīng)生理學原理、只能有相對真理的神經(jīng)生理學原因；還建立和介紹了另外一種量化分析方案；等。我們還介紹了更多的細節(jié)2124。為方便同行閱讀，我們在2013年也整理發(fā)表了系列綜合報告2528。以上文字已發(fā)表在文獻29中。2腦研究輔助工具的研發(fā)腦研究領(lǐng)域的另外一個研究方向是研發(fā)更多用于研究大腦的輔助工具。文獻3132介紹了我們設(shè)計的一種網(wǎng)絡分解算法，這一算法用于將有向網(wǎng)絡分解為一系列前向網(wǎng)絡集合，為每個節(jié)點都生成一個以這個節(jié)點為輸出細胞的前向網(wǎng)絡，并且實現(xiàn)前向網(wǎng)絡的擴維次數(shù)可控、不會無限制擴維，觀察時間長度可控。分解出來的前向網(wǎng)絡集合可用于分析各種情況對任一細胞活動狀態(tài)的影響，也可以用于搭建精細的神經(jīng)網(wǎng)絡模型，進而用于輔助醫(yī)學等方面的研究。文獻31,32介紹的算法設(shè)計過程中用到了筆者在2004年論文中總結(jié)的一種算法分析設(shè)計思路面對一些需求復雜的算法設(shè)計時，從“遞歸空間的分類”這一個角度入手，進而分析各遞歸空間間的參數(shù)傳遞關(guān)系，從而設(shè)計出符合需求的算法流程及其“搭配策略”30。采用這一設(shè)計思路設(shè)計的算法具有好的可擴展性，本文介紹怎樣將文獻3132介紹的算法進行升級為前向網(wǎng)絡樣本重組樹生成算法，實現(xiàn)樣本排列圖構(gòu)造信息的生成。第一節(jié)算法需求分析總結(jié)需求1以圖117所示的樣本排列圖為例，要支持構(gòu)造圖117所介紹的樣本排列圖，需要要實現(xiàn)到輸出細胞3最大傳輸延遲越大的輸入在縱軸上距離細胞3越遠，即縱軸坐標值越大。說明要實現(xiàn)上述需求，DGFFNTREES算法升級后的DGFFNSRTREES算法所生成各棵前向網(wǎng)絡樣本重樹中，應有樹中各節(jié)點到根節(jié)點的傳輸延遲長度信息和相應的排序信息，用于實現(xiàn)上述需求。需求2由于DGFFNTREES算法完成和反饋回路處理相關(guān)的擴維處理，兩節(jié)點間多通路相關(guān)的擴維處理，使每個生成的前向網(wǎng)絡樹中，每個有向圖節(jié)點可能對應一棵前向網(wǎng)絡樹中的多個樹節(jié)點。在構(gòu)造樣本排列圖過程中，若采用圖1那樣將由同一圖節(jié)點生成的一系列樹節(jié)點在縱坐標上對應同一點的構(gòu)造方法（當然也可以不采用這一構(gòu)造方法，每個樹節(jié)點在縱坐標上各自對應一點），則需要有“一個圖節(jié)點對應哪一系列樹節(jié)點”的信息。另外在動態(tài)分析神經(jīng)網(wǎng)絡信息處理、動態(tài)分析樣本重組過程的時候，也需要有“一個圖節(jié)點對應哪一系列樹節(jié)點”的信息。說明在生成前向網(wǎng)絡樹的過程中，通過對相應對應信息的記錄，可以實現(xiàn)上述需求。第二節(jié)算法重要數(shù)據(jù)結(jié)構(gòu)設(shè)計1要生成動態(tài)演化的樣本排列圖，所需要的數(shù)據(jù)結(jié)構(gòu)分兩類，用于分析計算樣本重組的分析層數(shù)據(jù)結(jié)構(gòu)，用于總體表現(xiàn)樣本重組過程的表現(xiàn)層數(shù)據(jù)結(jié)構(gòu)；其中分析層數(shù)據(jù)結(jié)構(gòu)主要有有向圖結(jié)構(gòu)和前向網(wǎng)絡樣本重組樹結(jié)構(gòu)；表現(xiàn)層數(shù)據(jù)結(jié)構(gòu)主要有有序十字鏈表結(jié)構(gòu)，用于實現(xiàn)表現(xiàn)樣本排列圖的樣本排列矩陣。下面將以圖和偽代碼相結(jié)合的方式介紹這些重要數(shù)據(jù)結(jié)構(gòu)。2有向圖類，DIRECTEDGRAPH,簡稱DG，算法升級過程中，有向圖類將增加必要的成員和函數(shù)1）圖節(jié)點類重要成員和增加成員介紹CLASSGRAPHNODE/FFNSRTREENODEGENERATEDNODELINK/圖節(jié)點類中增加一個鏈表成員GENERATEDNODELINK，該成員是前向網(wǎng)絡樹生成過程中，對應本圖節(jié)點的所有樹節(jié)點的鏈表/INTGENERATEDNODENUM/在生成某一棵FFNSRTREE的過程中，GENERATEDNODELINK鏈表中所鏈接的FFNSRTREENODE個數(shù)/3前向網(wǎng)絡樣本重組樹，F(xiàn)EEDFORWARDNETWORKSAMPLERECOMBINATIONTREE,簡稱FFNSRTREEFFNSRTREE是一種復合數(shù)據(jù)結(jié)構(gòu),由樹結(jié)構(gòu)，隊列結(jié)構(gòu)，鏈表結(jié)構(gòu)復合而成。FFNSRTREE結(jié)構(gòu)也可以看作由三部分組成，由FFNTREE子結(jié)構(gòu)，隊列子結(jié)構(gòu)、鏈表子結(jié)構(gòu)三部分復合組成。CLASSFFNSRTREE/FFNSRTREENODEROOTNODE/指向樹型子結(jié)構(gòu)的根節(jié)點/FFNSRTREEQUEUEFFNSRTREEQUEUEINSTANCE/指向隊列子結(jié)構(gòu)/1）前向網(wǎng)絡樣本重組樹FFNSRTREE的總體結(jié)構(gòu)如下圖所示圖22）樹節(jié)點類重要成員和增加成員介紹CLASSFFNSRTREENODE/FFNSRTREENODENEXTNODEONGENERATEDLINK/下一個和本樹節(jié)點由同一個圖節(jié)點產(chǎn)生的樹節(jié)點/3）樹邊類重要成員和增加成員介紹CLASSFFNSRTREEEDGE/SIGNALINPUTSIGNALS/輸入信息隊列/SIGNALOUTPUTSIGNALS/輸出信息隊列/VOIDTRANSMITTER/將輸入的已經(jīng)完成傳輸時間延遲的信息從INPUTSIGNALS信息隊列取出，放到OUTPUTSIGNALS信息隊列,描述”輸入信息輸入傳輸路徑輸入端后,經(jīng)過一定時間的延遲,到達傳輸路徑輸出端”這一過程/LONGDOUBLETRANSMITTIME/邊時間權(quán)值，定義為信息從本樹邊輸入端傳輸?shù)捷敵龆耍ㄐ盘栟D(zhuǎn)換、輸入端神經(jīng)細胞處理信息所需時間/LONGDOUBLELATENCYTIME/信息從輸入端到輸出細胞，包括信號轉(zhuǎn)換、輸入端細胞和沿途細胞處理信息時間的總傳輸延遲/LONGDOUBLELINKPOWER/邊連接權(quán)值/4）樹隊列類重要成員介紹CLASSFFNSRTREEQUEUE/FFNSRTREEQUEUENODEFISRTQUEUENODE/隊列中第一個隊列節(jié)點/LONGQUEUENODENUM/隊列中的隊列節(jié)點總數(shù)/5樹隊列節(jié)點類重要成員介紹CLASSFFNSRTREEQUEUENODE/STRINGLABLE/節(jié)點標識，記錄本隊列節(jié)點對應哪個圖節(jié)點/LONGSEQINFO/排序信息，記錄在排好序隊列中本節(jié)點的序號/GRAPHNODEORIGINGRAPHNODE/圖節(jié)點指針，指向本隊列節(jié)點對應的圖節(jié)點/LONGDOUBLEMAXLATENCYTIME/記錄隊列中到輸出細胞時間延遲最大路徑的時間延遲值/FFNSRTREENODEGENERATEDNODELINK/鏈表成員GENERATEDNODELINK，該成員是前向網(wǎng)絡樹生成過程中，由和本隊列節(jié)點對應圖節(jié)點產(chǎn)生的所有樹節(jié)點的鏈表/4十字鏈表結(jié)構(gòu)，用于實現(xiàn)表現(xiàn)樣本排列圖的樣本排列矩陣CLASSCROSSLINKNODE/STRINGLABLE/節(jié)點標識，標記對應哪個圖節(jié)點/STRINGTIMEAREA/標記對應哪個時間區(qū)域，即哪個樣本/CROSSLINKNODERIGHTNODE/指向右方節(jié)點/CROSSLINKNODEDOWNNODE/指向下方節(jié)點/STATESTATEOFTHISCELL/記錄細胞具體興奮情況的數(shù)據(jù)結(jié)構(gòu)/在本算法中，規(guī)定每個十字鏈表節(jié)點對應一個細胞在一個樣本時間段內(nèi)的興奮狀況/CLASSCROSSLINK/CROSSLINKNODEROWHEAD/行頭節(jié)點指針數(shù)組，指向各行第一個節(jié)點/CROSSLINKNODECOLHEAD/列頭節(jié)點指針數(shù)組，指向各列第一個節(jié)點/LONGROWNUM/總行數(shù)/LONGCOLNUM/總列數(shù)/5遞歸空間是指某一個有遞歸調(diào)用區(qū)的程序在某一次調(diào)用它的遞歸調(diào)用區(qū)時，為其遞歸調(diào)用區(qū)所建立的進程對應的系統(tǒng)資源的集合。一代遞歸空間是指程序第一次進入遞歸調(diào)用區(qū)和與其有相同遞歸深度的遞歸調(diào)用區(qū)時為執(zhí)行遞歸區(qū)代碼所建立的進程對應的系統(tǒng)資源的集合。而該程序以后進入更大深度的遞歸調(diào)用區(qū)時為執(zhí)行遞歸區(qū)代碼所建立的進程對應的系統(tǒng)資源集合都屬后代遞歸空間。306BASETABLE標識符和SPACE標識符3132它是一種標記符號，它的格式是SPACEK,I是在K代遞歸空間集中產(chǎn)生的FFN所有子樹在程序返回上一代遞歸空間時都要以I為根節(jié)點的父節(jié)點的那一個遞歸空間。SPACEK,I1和SPACEK,I2是具有相同遞歸深度的遞歸空間，都叫K代遞歸空間。BASETABLEK,N,K表示該BASETABLE是在第K代遞歸空間產(chǎn)生的，假設(shè)BASETABLEK,N是在SPACEK,I中產(chǎn)生的，則N表示BASETABLEK,N是在K代空間中為對應有邊直接到節(jié)點I的節(jié)點N產(chǎn)生的BASETABLE。由BASETABLEK,N為基礎(chǔ)產(chǎn)生的所有FFN子樹在返回K代空間時將以N為根節(jié)點的父節(jié)點。7SPACE類和BASETABLE類的重要成員介紹3132SPACE類SPACEK,I的K，I成員含義前面已經(jīng)有介紹；有一個LENGTH成員，用于存儲FFN樹的根到當前遞歸空間對應I節(jié)點的路徑中，經(jīng)過的路徑長度總和，可以是傳輸時間延遲長度總和；有一個CHILDRENTABLE,存儲了有邊直接連接到節(jié)點I的節(jié)點，這些點在生成的FFN樹中可能成為I節(jié)點的孩子節(jié)點；有一個RESULTTREELIST成員，用于存放一系列結(jié)果樹，具體作用見后面敘述。在有需要更精細建模時可增加成員、等。BASETABLE類BASETABLEK,N的K，N成員的含義前面已經(jīng)有介紹；一個是BASELENGTH,從FFN樹的根節(jié)點到BASETABLEK,N對應的節(jié)點N的長度總和，可以是傳輸時間延遲總長；有一個RESULT成員，以N節(jié)點為根節(jié)點，由BASETABLEK,N產(chǎn)生的后代遞歸空間SPACEK1,N返回的子樹的根節(jié)點作為N節(jié)點的孩子節(jié)點。在有需要更精細建模時可增加成員、等。8GENERATIONSIGN標識符30為了在程序中實現(xiàn)對不同類型的遞歸空間采用分治策略，我們必須使程序能夠“感知”自己所處的遞歸空間，因而設(shè)立INT類型變量GENERATIONSIGN。30第三節(jié)DGFFNTREES算法升級為DGFFNSRTREES算法的思路（1）從第二節(jié)定義我們已知，以BASETABLEK,I為基礎(chǔ)找出的子樹在程序返回SPACEK,I1時會以節(jié)點I為根節(jié)點的父節(jié)點。（2）后代遞歸空間結(jié)構(gòu)和后代遞歸空間之間的數(shù)據(jù)傳輸關(guān)系如圖1所示圖3（3）分析圖一可以看出，實現(xiàn)如下幾點可實現(xiàn)對DGFFNTREES算法流程的升級，進而生成符合需求的FFNSRTREE和樣本排列圖I實現(xiàn)總傳輸延遲長度控制和最大擴維次數(shù)控制的關(guān)鍵在于控制好用于產(chǎn)生下一代遞歸空間的BASETABLE，避免不受限制地遞歸產(chǎn)生BASETABLE和后代遞歸空間。實際上，實現(xiàn)了總傳輸延遲長度控制后，最大擴維次數(shù)就受到了限制，不會無限制增長。II在生成樹節(jié)點時，將所生成的樹節(jié)點同時掛到所對應圖節(jié)點的GENERATEDNODELINK鏈表中；檢查對應的圖節(jié)點在FFNSRTREEQUEUE中是否有對應的隊列節(jié)點，如果沒有，生成對應的隊列節(jié)點FFNSRTREEQUEUENODE。III在返回0代遞歸空間，完成整棵樹的生成后STEP1對于每個節(jié)點FFNSRTREEQUEUENODE，根據(jù)對應的圖節(jié)點中的GENERATEDNODELINK，找到LATENCYTIME最大的節(jié)點，將相應的LATENCYTIME值為MAXLATENCYTIME賦值。STEP2將FFNSRTREEQUEUE中各隊列節(jié)點按MAXLATENCYTIME值執(zhí)行排序，排序信息記錄在各FFNSRTREEQUEUENODE的SEQINFO成員中。STEP3排序后的FFNSRTREEQUEUE可用于初始化有序十字鏈表，實現(xiàn)樣本排列矩陣中，最大傳輸延遲越大，在樣本排列距陣中縱坐標值越大。第四節(jié)后代遞歸空間中控制擴維次數(shù)、控制總傳輸延遲、產(chǎn)生樣本重組所需信息的解決方案設(shè)計（一）現(xiàn)在，我們先考察一下在SPACEK,I2中產(chǎn)生BASETABLEK,I1的過程，SPACEK,I2的情況如圖二所示圖4SPACEK,I2的功能模塊在產(chǎn)生BASETABLEK,I1的過程中應該有如下功能IF（路徑長度I1到I2的長度超過允許的最大長度）不再產(chǎn)生BASETABLEK,I1，一棵不包含任何節(jié)點的空子樹將作為SPACEK,I2分析運算一系列結(jié)果樹中的一棵結(jié)果樹返回，在程序從遞歸空間SPACEK,I2返回其父空間前可先存放在SPACEK,I2的RESULTTREELIST成員中。ELSE生成BASETABLEK,I1,BASETABLEK,I1中BASELENGTH的值為BASETABLEK1,I2中BASELENTH的值I1到I2的邊權(quán)值3132（二）SPACEK,I2的功能模塊對本空間CHILDRENTABLE成員中的每個節(jié)點都會執(zhí)行（一）中所描述的過程，對所有CHILDRENTABLE成員執(zhí)行完（一）中所描述的過程后返回其父空間，會有兩種情況情況一是產(chǎn)生一系列BASETABLEBASETABLEK,I1，BASETABLEK,I1A，BASETABLEK,I1N；SPACEK,I2的分析運算可能獲得一系列結(jié)果樹，這些樹的樹根都將成為I2節(jié)點的孩子節(jié)點，所構(gòu)成的一棵樹將成為BASETABLEK1,I2中RESULT成員的值；SPACEK,I2的分析運算也可能只獲得一系列空樹，一棵只有一個I2節(jié)點的樹將成為BASETABLEK1,I2中RESULT成員的值。在上述情況一過程中，每分析完一個BASETABLE，將所獲得的RESULT成員的值拷貝到SPACEK,I2的RESULTTREELIST成員中。情況二是CHILDRENTABLE為空，也就是圖中沒有節(jié)點有邊直接連接到I2節(jié)點，SPACEK,I2的分析運算將返回一棵空樹，一棵只有一個I2節(jié)點的樹將成為BASETABLEK1,I2中RESULT成員的值，I2節(jié)點將成最后FFN樹的一個葉子節(jié)點。3132（三）本步驟是DGFFNTREES算法升級為DGFFNSRTREE算法的升級點，在（一）和（二）有樹節(jié)點產(chǎn)生的時候，也執(zhí)行如下操作在生成樹節(jié)點時，將所生成的樹節(jié)點同時掛到所對應圖節(jié)點的GENERATEDNODELINK鏈表中；檢查對應的圖節(jié)點在FFNSRTREEQUEUE中是否有對應的隊列節(jié)點，如果沒有，生成對應的隊列節(jié)點FFNSRTREEQUEUENODE。第五節(jié)后代遞歸空間的產(chǎn)生、對后代遞歸空間返回數(shù)據(jù)的處理（一）以BASETABLEK,I1為例，BASETABLEK,I1將用于產(chǎn)生遞歸空間SPACEK1,I1SPACEK1,I1中，LENGTH成員的值為BASETABLEK,I1中BASELENGTH的值；CHILDRENTABLE的值為圖中有直接邊到I1的節(jié)點。3132（二）SPACEK,I2產(chǎn)生的一系列BASETABLEBASETABLEK,I1，BASETABLEK,I1A，BASETABLEK,I1N產(chǎn)生一系列K1代遞歸空間的情況類似。3132（三）以SPACEK,I2為例，SPACEK,I2的分析運算將獲得一系列結(jié)果樹存放在RESULTTREELIST中，在返回SPACEK,I2父空間的時候，這些樹的樹根都將成為I2節(jié)點的孩子節(jié)點，所構(gòu)成的一棵樹成為BASETABLEK1,I2中RESULT成員的值。對于一系列結(jié)果樹只是一系列空樹的情況，一棵只有一個I2節(jié)點的樹將成為BASETABLEK1,I2中RESULT成員的值。K1時，處理方法類似。3132（四）本步驟是DGFFNTREES算法升級為DGFFNSRTREE算法的升級點，在（一）、（二）、（三）有樹節(jié)點產(chǎn)生的時候，也執(zhí)行如下操作在生成樹節(jié)點時，將所生成的樹節(jié)點同時掛到所對應圖節(jié)點的GENERATEDNODELINK鏈表中；檢查對應的圖節(jié)點在FFNSRTREEQUEUE中是否有對應的隊列節(jié)點，如果沒有，生成對應的隊列節(jié)點FFNSRTREEQUEUENODE。第六節(jié)算法總體流程設(shè)計一在獲得細胞N為輸出細胞的前向網(wǎng)絡時，可先構(gòu)造BASETABLE0,N,用BASETABLE0,N生成SPACE1,N,然后，遞歸執(zhí)行第四節(jié)到第五節(jié)介紹的流程。二本步驟是DGFFNTREES算法升級為DGFFNSRTREES算法的升級點，在返回回0代遞歸空間后，執(zhí)行如下操作STEP1對于每個節(jié)點FFNSRTREEQUEUENODE，將對應的圖節(jié)點中的GENERATEDNODELINK的值賦FFNSRTREEQUEUENODE中GENERATEDNODELINK成員，根據(jù)GENERATEDNODELINK成員的值，找到LATENCYTIME最大的節(jié)點，將相應的LATENCYTIME值為MAXLATENCYTIME賦值。STEP2將FFNSRTREEQUEUE中各隊列節(jié)點按MAXLATENCYTIME值執(zhí)行排序，排序信息記錄在各FFNSRTREEQUEUENODE的SEQINFO成員中。STEP3排序后的FFNSRTREEQUEUE可用于初始化有序十字鏈表，實現(xiàn)樣本排列矩陣中，最大傳輸延遲越大，在樣本排列距陣中縱坐標值越大。完成上述操作后，可獲得以細胞N為輸出細胞的前向網(wǎng)絡樣本重組樹。三對圖中的每個節(jié)點都執(zhí)行一所描述的操作，可獲得一系列前向網(wǎng)絡樣本重組樹，用于網(wǎng)絡運行的精確分析和精確干預。第七節(jié)樣本排列圖的生成以及算法的應用在生成FFNSRTREE和用于表現(xiàn)樣本排列矩陣的有向十字鏈表后，就能生成和推演出動態(tài)的樣本排列圖，算法產(chǎn)生的樣本排列圖（數(shù)據(jù)上表現(xiàn)為FFNSRTREE，樣本排列矩陣等）有多種用途一應用于網(wǎng)絡運作的精確分析這里以圖5為例說明這個作用。從樣本排列圖（數(shù)據(jù)上表現(xiàn)為FFNSRTREE,樣本排列矩陣等）可以清楚定位某一樣本時間段內(nèi)輸出細胞的輸出，例如T8時C細胞的輸出主要是由圖中陰影標記的特定細胞在特定時間段內(nèi)的興奮狀況決定的。樣本排列矩陣的興奮狀況數(shù)據(jù)有幾種來源從生物體檢測到、FFNSRTREE神經(jīng)網(wǎng)絡計算結(jié)果反饋、為研究網(wǎng)絡某些條件下的運作而預先設(shè)定等等。按照實際研究的情況和需要，可以先初始化好T1時標記陰影的特定細胞細胞興奮狀況數(shù)據(jù)，將數(shù)據(jù)輸入FFNSRTREE神經(jīng)網(wǎng)絡運算，根據(jù)計算結(jié)果、從生物體檢測到的結(jié)果、預設(shè)條件等綜合實際研究需要得到或設(shè)置T4時標記陰影的特定細胞興奮狀況數(shù)據(jù)以此類推得到T6、T8時陰影標記的特定細胞興奮狀況數(shù)據(jù)，從而實現(xiàn)對網(wǎng)絡運作的精確分析和研究。不同輸出細胞的多樣本排列圖通過信息通信同步運作，可以用于整個神經(jīng)網(wǎng)絡的精確運作分析。二應用于網(wǎng)絡運作的精確干預部署有本算法的信息處理部件，控制其他儀器或者部件對神經(jīng)網(wǎng)絡運行進行精準干預，例如，在激光束精度能精確到能只照射一個細胞的技術(shù)條件下，通過在樣本排列圖智能控制下的激光束的開關(guān)技術(shù)和光遺傳學技術(shù)相結(jié)合，實現(xiàn)通過干預圖5中陰影標記的特定細胞在特定時間段內(nèi)的興奮狀況，精準干預神經(jīng)網(wǎng)絡運作。三等等。圖5。第八節(jié)可進一步改進的工作一在程序設(shè)計中，需求滿足的優(yōu)先級順序為“正確性、穩(wěn)定性、可測性、規(guī)范性和可讀性、全局效率、局部效率、個人風格”，上面算法采用了遞歸程序的框架設(shè)計，先滿足了優(yōu)先級高的需求，后續(xù)可以通過遞歸程序的非遞歸化優(yōu)化效率。二在計算量大的情況下，通過適當改造，上述算法對應的計算任務可以按第七節(jié)介紹的方法分拆成多個子計算任務，然后分布到多個系統(tǒng)中計算。三為程序調(diào)試方便，個別數(shù)據(jù)結(jié)構(gòu)設(shè)計存在信息冗余，可進一步進行程序的代碼級優(yōu)化。參考文獻REFERENCES1謝勤，王乙容大腦處理信息的過程存儲和重組模型J現(xiàn)代生物醫(yī)學進展，2007，3432435，439XIEQIN,WANGYIRONGSTORINGANDREENGINEERINGOFMODELSOFCEREBRALINFORMATIONPROCESSJPROGRESSOFMODERNBIOMEDICINE,2007,3432435,4392謝勤血液循環(huán)在大腦信息處理過程中的時序控制作用J現(xiàn)代生物醫(yī)學進展，2008，611521159XIEQINTIMERROLEOFBLOODCIRCULATIONWHENBRAINPROCESSINGINFORMATIONJPROGRESSOFMODERNBIOMEDICINE,2008,6115211593謝勤過程存儲與重組模型ZWWWSCIAMCOMCN，2006XIEQINMODELOFPROCESSSTORINGANDRECALLINGZWWWSCIAMCOMCN,20064謝勤一種關(guān)于腦電波起源和含義的觀點C中國神經(jīng)科學學會第七次全國學術(shù)會議論文集北京科學出版社，2007144XIEQINAVIEWPOINTABOUTORIGINANDMEANINGOFEEGSCPROCEEDINGSOFTHE7THBIENNIALMEETINGANDTHE5THCONGRESSOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS,20071445謝勤血液循環(huán)在大腦信息處理過程中的時序控制作用整理C中國神經(jīng)科學學會第八次全國學術(shù)會議論文集北京科學出版社,2009135XIEQINAREVIEWOFCPROCEEDINGSOFTHE8THBIENNIALMEETINGOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS20091356謝勤血液循環(huán)在大腦信息處理過程中的時序控制作用整理J中外健康文摘，2011，8209398XIEQINAREVIEWOFJWORLDHEALTHDIGEST,2011,82093987謝勤大腦處理信息的樣本量和網(wǎng)絡規(guī)模問題J中外健康文摘，2011，8218891XIEQINMATCHINGPROBLEMOFSAMPLEQUANTITYANDNETWORKSCALEWHENBRAINPROCESSINGINFORMATIONJWORLDHEALTHDIGEST,2011,82188918謝勤大腦處理信息量化模型中的另一種樣本重組方案J中外健康文摘，2011，822209210XIEQINANOTHERSAMPLERECOMBINATIONSOLUTIONFORQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGJWORLDHEALTHDIGEST,2011,8222092109謝勤大腦處理信息的樣本量和網(wǎng)絡規(guī)模問題C中國神經(jīng)科學學會第九次全國學術(shù)會議論文集北京科學出版社,2011366XIEQINMATCHINGPROBLEMOFSAMPLEQUANTITYANDNETWORKSCALEWHENBRAINPROCESSINGINFORMATIONCPROCEEDINGSOFTHE9THBIENNIALMEETINGOFTHECHINESESOCIETYFORNEUROSCIENCEBEIJINGSCIENCEPRESS201136610謝勤大腦處理信息量化模型中的細節(jié)匯編J中外健康文摘，2011，8487880XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGJWORLDHEALTHDIGEST,2011,848788011謝勤大腦處理信息量化模型中的細節(jié)匯編二J中外健康文摘，2012，94101102XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIIJWORLDHEALTHDIGEST,2012,9410110212謝勤大腦處理信息量化模型中的細節(jié)匯編三J中外健康文摘，2012，9166162XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIIIJWORLDHEALTHDIGEST,2012,916616213謝勤大腦處理信息量化模型中的細節(jié)匯編四J中外健康文摘，2012，923193194XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIVJWORLDHEALTHDIGEST,2012,92319319414謝勤大腦處理信息量化模型中的細節(jié)匯編五J中外健康文摘，2012，9205657XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVJWORLDHEALTHDIGEST,2012,920565715謝勤大腦處理信息量化模型中的細節(jié)匯編六J中外健康文摘，2012，929238239XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIJWORLDHEALTHDIGEST,2012,92923823916謝勤大腦處理信息量化模型中的細節(jié)匯編七J中外健康文摘，2012，9334546XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIIJWORLDHEALTHDIGEST,2012,933454617謝勤大腦處理信息量化模型中的細節(jié)匯編八J中外健康文摘，2012，939393395XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGVIIIJWORLDHEALTHDIGEST,2012,93939339518謝勤大腦處理信息量化模型中的細節(jié)匯編九J中外健康文摘，2012，939402403XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGIXJWORLDHEALTHDIGEST,2012,93940240319謝勤大腦處理信息量化模型中的細節(jié)匯編十J中外健康文摘，2012，939407408XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXJWORLDHEALTHDIGEST,2012,93940740820謝勤大腦處理信息量化模型中的細節(jié)匯編十一J中外健康文摘，2012，950112113XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIJWORLDHEALTHDIGEST,2012,95011211321謝勤大腦處理信息量化模型中的細節(jié)匯編十二J待發(fā)表XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIIJ22謝勤大腦處理信息量化模型中的細節(jié)匯編十三J待發(fā)表XIEQINDETAILSOFQUANTITATIVEMODELOFBRAININFORMATIONPROCESSINGXIIIJ23謝勤大腦處理信息量化模型中的細節(jié)匯