The observational ubiquity of inverse power law spectra (IPL) in complex phenomena entails theory for dynamic fractal phenomena capturing their fractal dimension, dynamics, and statistics. These and other properties are consequences of the complexity resulting from nonlinear dynamic networks collectively summarized for biomedical phenomena as the Network Effect (NE) or focused more narrowly as Network Physiology. Herein we address the measurable consequences of the NE on time series generated by different parts of the brain, heart, and lung organ networks, which are directly related to their inter-network and intra-network interactions. Moreover, these same physiologic organ networks have been shown to generate crucial event (CE) time series, and herein are shown, using modified diffusion entropy analysis (MDEA), to have scaling indices with quasiperiodic changes in complexity, as measured by scaling indices, over time. Such time series are generated by different parts of the brain, heart, and lung organ networks, and the results do not depend on the underlying coherence properties of the associated time series but demonstrate a generalized synchronization of complexity. This high order synchrony among the scaling indices of EEG (brain), ECG (heart), and respiratory time series is governed by the quantitative interdependence of the multifractal behavior of the various physiological organs' network dynamics. This consequence of the NE opens the door for an entirely general characterization of the dynamics of complex networks in terms of complexity synchronization (CS) independently of the scientific, engineering, or technological context.


翻译:在复杂现象中,反动力法光谱(IPL)的观测无处不在,这就要求对动态分形现象进行理论理论,以捕捉其分形的维度、动态和统计。这些和其他特性是生物医学现象的非线性动态网络(网络效应(NE))综合归纳为生物医学现象的非线性动态网络(网络效应(MDEA)综合归纳为网络效应(NE)或网络生理生理学比较集中为网络。这里我们讨论NE对由大脑、心脏和肺器官网络不同部分产生的时间序列的可测量后果,这些后果与其相关时间序列和网络内部互动直接相关。此外,这些物理器官网络已证明了产生关键事件(CE)时间序列的结果。这里还展示了使用经修改的传播酶分析(MDEA)将指数缩放为复杂性的准周期性指数,按指数的缩放为时间序列。这种时间序列是由大脑、心脏和肺器官器官网络的不同部分生成的,其结果并不取决于相关时间序列的基本一致性特性,但显示其复杂性的普遍同步性。在EG(CEG)的整个时间性结构结构结构结构结构结构结构结构结构变化变化中,其整个结构结构变化的分系的分级变化的分导结果。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
25+阅读 · 2021年4月2日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年12月19日
Arxiv
0+阅读 · 2022年12月16日
Arxiv
0+阅读 · 2022年12月15日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员