毓神口服液对大鼠前脑缺血海马CA1区神经元的保护作用

为研究毓神口服液对大鼠前脑缺血后海马CA1区神经元的保护作用 ,采用改良的Pulsinelli四血管闭塞法制作前脑缺血模型 ,光镜下观察了CA1区组织病理学变化 ,并计存活锥体细胞密度 (个 mm)。结果表明 ,小剂量组对海马CA1区神经元无明显的保护作用 (与生理盐水组比 ,P >0 0 5 ) ;中剂量、高剂量组对海马CA1区神经元有明显的保护作用 ,且呈剂量依赖性 (缺血 3天各组 ,r=0 877;缺血 7天各组 ,r=0 83 6,P均 <0 0 0 1 )。可见毓神口服液对大鼠前脑缺血后海马CA1区神经元具有明显的保护作用     

固体石蜡碳糊谷氨酸根电极的研制与应用

1引言 谷氨酸是大脑中的主要兴奋性神经递质,是脑内神经元生长发育、成熟修复和神经传递过程中重要的神经递质.     

神经网络超参数优化的删除垃圾神经元策略

随着深度学习处理问题的日益复杂,神经网络的层数、神经元个数、和神经元之间的连接逐渐增加,参数规模急剧膨胀,优化超参数来提高神经网络的预测性能成为一个重要的任务.文献中寻找最优参数的方法如灵敏度剪枝、网格搜索等,算法复杂而且计算量庞大.本文提出一种超参数优化的“删除垃圾神经元策略”.权重矩阵中权重均值小的神经元,在预测中的贡献可以忽略,称为垃圾神经元.该策略就是通过删除这些垃圾神经元得到精简的网络结构,来有效缩短计算时间,同时提高预测准确率和模型泛化能力.采用这一策略,长短期记忆网络模型对几种典型混沌动力系统的预测性能得到显著改善.     

基于有机/无机双层忆阻器的人工光电神经元

提出了一种基于Ag/IDTBT/ZnO/Si忆阻器的人工神经元器件,该器件开关比约为102～103且有较低的工作电压。该器件能够模拟泄漏集成点火的神经元模型。此外,研究了IDTBT浓度对人工神经元器件性能的影响。结果表明：IDTBT浓度的增加会导致薄膜厚度的增加,进而会使得神经元器件的阈值电压升高以及积分点火所需要的幅值电压变大。当有光照射之后,器件的阈值电压会明显降低。在器件储存了30天后重新测试,器件性能没有明显的变化,说明该器件具有良好的稳定性。本工作为促进神经形态系统的发展提供了有效的策略。     

生物计算机前景迷人

 生物分子电子技术是利用生物分子信息功能来装配电子元件和仪器的技术。目前,科学家已经了解和掌握了多种生物系统进行信息处理与传输信息的机理和模式:结构开关模式(利用电子从共价键传入和传出,改变分子状态);光学开关模式(利用特殊波长的光照射某些蛋白质,使蛋白质改变状态,选择和控制两种稳定结构表示开与关两种状态);“锁---匙”模式(利用酶的2种作用模式);非电子扰动模式(利用一个分子与蛋白质作用,使蛋白质振动而形成开关);此外还有以膜为基础的传感和控制模式、排列分子组合模式和生物分子非线性化学动力学模式等。     

在一种扩展多层感知器模型中实现命题知识的语义推演

§ 1.　Introduction　　Artificialintelligentisbasedonknowledgeexpression ,atthesametimeitisdependedonusingknowledge .Wecangetanalysisanddecisionandforecastbyusingknowledge .Inlogicsystem ,usingknowledgemeanslogicinferenceordeduction .Now ,manylogicsystemshavebeenproposedasformalmodelsforknowledgeexpressionandreasoning [1 ] ,[2 ] ,[6]— [9] .Althoughpropositionalcalculus(P(X) )isthesimplestlogicsystem ,itprovideswithuniversalmethodforotherlogicsystems.Asweknow ,reasoninginpropositionalcalculu…     

天然植物复杂化学模式特征的分步提取法

在运用神经元计算技术对高维小样本复杂化学模式进行分类时,通过模式特征提取,降低输入变量维数,能使复杂的模式分类问题比较容易解决。根据模式类别相关分步分析思路,提出复杂化学模式特征分步提取法,可将原始模式数据中与类别指标相关较大的特征量有效地提取出来。应用于天然植物组效关系辨识结果表明,这种化学模式特征提取方法比经典主成分分析法更为实用可靠。     

Self-Organized Criticality in a Simple Neuron Model Based on Scale-Free Networks

A simple model for a set of interacting idealized neurons in scale-free networks is introduced. The basic elements of the model are endowed with the main features of a neuron function. We find that our model displays powerlaw behavior of avalanche sizes and generates long-range temporal correlation. More importantly, we find different dynamical behavior for nodes with different connectivity in the scale-free networks.     

基于Hindmarsh-Rose神经元模型的模式分割

联想记忆和模式分割是大脑的重要功能,大脑海马区是这一功能的重要物质基础。Hindmarsh-Rose神经元模型能够较好地模拟大脑海马区神经元的特性。本文以Hindmarsh-Rose神经元为节点,按Hopfield规则构造网络,同时,考虑到大脑中神经元连接的生理学实际情况,通过数值模拟,实现了在弱、中、强三种连接强度情况下的模式分割以及在随机概率连接情况下的模式分割,通过分析比较,提出了进一步改进的方向。