先说结论:会用到图论的少部分术语和工具,不需要专门去学图论。与拓扑学完全无关。
数学提供了强有力的工具,但这并不代表你就一定要去了解/学习工具本身的原理,对于认知科学研究,图论只是一个借来的工具而已。
详细地,首先脑电研究有关的脑网络分析:
一个作为热点的观点是将复杂的神经系统看作一个由点和边构成的图,以此来对复杂的神经网络进行建模,并基于此借用图论和网络的工具来分析建出来的图模型的性质(如复杂网络的属性度量)。一个例子如下:
这类研究的过程就是在采集得到的原始数据上,以图模型对其建模(要注意的是,模型中的边和点有很多可选的定义方案),然后进一步在建出来的图模型上,用图模型的分析技术(如判断是否具有复杂网络的哪些特征)尝试找到感兴趣的东西作为结论。(分析图模型这一步基本上是用软件一键完成或者套公式实现的)
除了脑网络分析,研究中还有很多模型也是以图模型来表示的,如有关心理学的知识网络,社交网络等等。其研究也基本差不多,先给数据建模(图模型),然后在建出来的模型上运用对图的分析技术(程序一键完成,或者套公式)。
但是,这一切的一切,都跟“真正的图论”没什么关系。图论的研究者关心的是图作为一个抽象的代数结构其本身的性质,而纯粹的图论中,大部分结论是我们用不到或者很难用到的。这点,找本有关图论的书(纯数学的,非偏应用的)就能明白。
还有拓扑学,如果说图论可能会被用到,那么拓扑学可能就是真正意义上的无关了。有很多人用“拓扑”一词来表示“网络的结构”这一意思,但这跟一般的拓扑学没啥关系,或者说,除了用到的这个名词叫“拓扑”,和拓扑学几乎就再没半毛钱关系了。
你可能会看到有些文章会使用“拓扑”一词,但请明白这里的“拓扑”仅仅只是一个简单的词语,用来表示图模型中节点间的边关系,或者集合的交并补关系等...这样的抽象关系,仅此而已。
当然,这不妨你从其它领域中引入新的技术(如新的分析算法),来助力你的研究,得到你感兴趣的结论。
真正厉害的大神都是自己造轮子,就像那些经常研究物理顺便推进数学研究的物理研究员。
但是我不觉得认知科学的研究还需要你专门去研究轮子,认知科学确实有轮子导致的瓶颈,但这其中的大部分瓶颈技术本身的研究方法和认知科学的研究方法没啥关系。换句话说,专业的事情交给专业的人做就行了。