graph_activity_spread — CONNGRAPH `activity` op

• データ種: matrix × points × labels → table

• 呼び出し: import fullseye as fs; fs.ledger.graph_activity_spread(X: 'Any', P: 'Any', source: 'Any', thresh: 'float' = 0.1) -> 'dict[str, np.ndarray]' (実装を直接呼ぶなら import conngraph; conngraph.graph_activity_spread(X: 'Any', P: 'Any', source: 'Any', thresh: 'float' = 0.1) -> 'dict[str, np.ndarray]'、台帳から引くなら opsconngraph.get("graph_activity_spread"))

使い方

活動がどこまで広がったかの時系列の表: 列 step / mean_distance / active_fraction / source_fraction。

`X = (T, n) の状態列、P = (n, 3) の座標、source` = 刺激したノードの指示子(長さ n の

整数、非零 = 刺激。1 つ以上)。

mean_distance[t] = Σ|x_i(t)| ‖P_i − c‖ / Σ|x_i(t)|(c = 刺激ノードの重心、|x| で重みづけた

活動の平均距離、単位は P と同じ。活動が全零のステップは 0)。

active_fraction[t] = |x_i(t)| ≥ 全体最大 × thresh のノードの割合。

source_fraction[t] = 活動のうち刺激ノードにある分 Σ_source |x| / Σ|x|(全零なら 0)。

詳しい使い方ガイド

• conngraph ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_malecns_activity_wave — py -3.11 examples/poc_malecns_activity_wave.py

• poc_microns_brain_wave — py -3.11 examples/poc_microns_brain_wave.py

型が繋がる次の op(`table` を入力に取れる)

—

同カテゴリ(`activity`)

graph_activation_latency · points_activity_video

*Provenance: conngraph.py — CONNGRAPH operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

graph_activity_spread — CONNGRAPH activity op

使い方