1、在神經科學領域，理解神經元之間如何相互連接來進行計算是一個核心的問題。當前，實驗上直接探測神經元網絡的連接非常困難。但是，隨著神經元活動測量技術的發(fā)展，人們獲得神經元活動數據的能力大大提升。因此，反向思考，如何從神經元活動數據中重構出其底層網絡的連接結構，是當下研究的熱點?；陔x散時間序列的分析，格蘭杰因果關系（Granger Causality，GC）是一種廣泛使用的神經元網絡重構方法。然而，由于實驗測量的物理量大多在時間上連續(xù)，需要

2、對其離散采樣以進行GC分析。因此，采樣過程（比如采樣間隔）對GC分析有怎樣的影響，如何采樣才能獲得可靠的GC網絡重構是重要的實際問題。本文針對該問題進行了完整的現象討論和理論分析，給出了獲得可靠GC神經元網絡重構的方法。本文對于采樣與GC可靠性的分析不僅適用于神經元網絡動力學，而且可以推廣到一般的動力學系統。
　　本文主要有以下創(chuàng)新與貢獻：一、首次完整地討論與分析了采樣間隔對GC值以及GC分析可靠性的影響。二、基于神經元網絡動力學