本文介绍了 Markov 脑是一种可演化人工神经网络，由许多计算组件构成，在接收感官输入和控制运动输出时相互作用和进化优化。

Sep, 2017

运用理论图分析研究单独收集自健康人体的结构连接和静息状态功能连接数据集，旨在寻找结构和功能共享的主要特征，揭示了结构功能模块的存在，说明大脑结构和静息状态动力学之间的强相关性。

Oct, 2014

这篇论文介绍了在统计物理学、计算机科学和神经生物学交叉领域中涌现的模型统计方法，如关联复制和空腔方法，信息传递的概念和其在神经计算和学习中的应用，以期提供更好的理论和技术支持解决神经网络中的复杂计算问题。

Jan, 2013

通过使用计算方法提出一种层次化模块分解大量高分辨率脑功能网络的方法，探讨人类大脑功能网络的层次化模块组织及模块内模块结构，揭示了模块间连接的关键作用，为研究大脑的适应性提供了基础。

Apr, 2010

本文提出了一种水平垂直一体化的神经处理模型，该模型包含了神经适应传输连接的水平面和由外部膜层表达参数、亚膜区和细胞质内部参数、核心参数等组成的垂直系统，旨在表明单个神经元在信号的计算中有着重要角色，并且该神经元是自我编程的装置，不是被输入决定。

Sep, 2022

该研究使用隐藏马尔科夫模型（HMM）来构建多层的带有时空结构的网络模型，探索动态脑活动和区域之间的交互。结果显示出支持神经熵理论的新证据，同时也支持原有的模块化处理假设。

Mar, 2022

RNNs trained on compositional tasks can exhibit functional and anatomical modularity when applying brain-inspired modular training, leading to improved performance and potential applications in neuromorphic computing and enhancing interpretability of neural network architectures.

Oct, 2023

运用网络控制理论，本文提供了一个关于大脑如何在不同认知状态之间转换的机制性解释，研究发现大脑的结构网络差异决定了其在控制网络功能动态轨迹中的不同作用。

Jun, 2014

使用统一的统计框架，提出了 MSS-SBM 方法，可以跨个体并能捕捉时间上的演化，用于大量 multi-subject 的人脑功能网络的群体分析，应用于任务 fMRI 的分析中，探测了动态重构特征和不同任务条件下的 community connectivity 独特性。

Apr, 2020

为了解决科学研究中纯关联分析的局限性而发展的特征选择算法，提出了一种基于核的条件相关度量的向后淘汰方法，并且在合成与实际数据集上比起其他方法表现更为优秀。

Feb, 2014