مدل فرایند نقطه ای دنباله ای نشان دار بر اساس مدل خودتعاملی تعداد اشتراک

فرایندهای نقطه ای دنباله ای نشان دار فرایندهایی هستند که تحقق های آن ها دنباله ی مرتب شده از نشان هاهستند و ترتیب نقاط این امکان را برای ما فراهم می کند تا روند تکاملی فرایند را تقریب بزنیم. این ویژگی برای تفسیروابستگی طولانی مدت و حافظه ی تشکیل شده توسط تاریخ مکانی فرایند مفید خواهد بود. از تابع چگالی فرایندنقطه ای دنباله ای نشان دار برای بررسی تاثیر نقاط پیشین بر روی نقطه ی جدیداستفاده می کنیم. لذا تعیین تابع چگالیمناسب هدف مسئله ی ما را تعیین می کند. در این مقاله داده های رشته های عصبی اپیدرمی با استفاده از فرایند نقطه ایدنباله ای نشان دار مدل بندی شده است. مدل خودتعاملی بر اساس تعداد اشتراک بین گوی های محیط بر رشته هایعصبی اپیدرمی تعریف شده است.

a marked sequential point process model based on the number ofinteractions of self interactive model

realizations of marked sequential point processes are ordered based on the marks.ordering points allow us to detect the dynamic structures of the process. this feature will beuseful for interpreting long-term dependencies and memory formed by the spatial history ofthe process. the interaction between points in a point pattern is analysable using a markedsequential point process. we can use a marked sequential point process to examine the effectof previous points on a new point. thus, we aim at detecting the density function. here, wewant to introduce a self interaction model to describe the behavior of the new point usingprevious points.here, the marked sequential point process is applied to the epidermal nerve fiber data.