图书介绍：本书主要内容组织如下：第二章中介绍了“非因果冲击响应成分分析法”，并对其算法复杂性进行了分析。本章中，我们应用相关法和谱因子分析理论推导了一个能够用于反馈回路辨识的非因果成分分析准则。“多步格兰特因果性检测法”作为一种多变量时间序列分析方法在第三章中介绍。重点提出了一种改进的Wald统计量，该统计量能够帮助推导任意一对网络节点间的多步格兰特因果性。第四章中，为表明这两种反馈辨识方法的有效性，利用计算神经生物学方法构造了脉冲神经元网络模型，并分析了仿真网络四种典型的网络行为及支配这些行为的网络结构特点，重点研究了网络中反馈回路的类型及其分布对特定网路行为的影响。接下来，在第五章中，我们通过两结点网络仿真和大规模随机网络仿真验证了两种方法的有效性。最后，所提出的方法应用于体外培养的大鼠脑皮质神经元网络所产生的多通道生物时间序列数据（第六章）。在这些生物神经元网络中可显著地辨识出一些反馈回路，表明：在体外培养环境中，生物反馈回路同特定的网络动态行为间存在着密切关系。