[01404095]基于多模态信息融合的脑网络研究及其在大数据处理中的应用

人脑是世界上最鲁棒的、天然的信息处理系统,只有从人脑这一天然的信息处理系统中获得启示,才能有望突破现有大数据处理一些瓶颈问题。随着现代脑成像技术,特别是脑信号和图像获取和处理技术不断进步,脑信息处理机制研究正在取得一系列重大突破,这为突破的信息科学面前面临的瓶颈提供了前所未有的机遇,孕育着重大的理论创新与技术突破。本项目的内容分为两部分：一是对基于多模态信息融合的脑网络进行研究,二是在此基础上将其研究成果,如：深度神经网络,深度学习机制,脉冲神经网络与深度学习网络的融合等,应用到大数据处理中,以提高其效率,增加社会效益和经济效益等。第一部分的内容是生物医学、数学、统计学、信息科学、物理学、复杂性科学等学科的交叉领域。基于脑成像数据驱动和脑网络计算模型两种研究思路,对大脑的结构性、功能性和因效性三种类型的网络进行研究,力图发现脑结构、脑功能更丰富的特性及脑结构和脑功能之间的关系等,并在此基础上系统地总结大脑更深层次和更本质性的规律。基于数据驱动和计算模型这两种研究方法相互验证和补充,可极大地增加研究成果的科学性和正确性,并提高研究效率。同时,针对现有脑网络计算模型的局限性,探索能够尽可能准确地定量描述大脑网络的非线性动力学模型,为基于脑网络计算模型的研究思路提供支撑。第二部分将脑科学的研究成果应用于大数据处理领域,可获得巨大的社会效益和经济效益。