课程文献中心 更多>>

关键词： 双通道时延脉冲耦合神经网络   AOE-网   拓扑排序  

摘要： 在时延脉冲耦合神经网络DPCNN的基础上提出了双通道时延脉冲耦合神经网络(DCDPCNN,Dual Channels DPCNN)模型,并提出了利用DCDPCNN来实现AOV-网拓扑排序算法。该算法在深度优先搜索的同时兼顾广度优先搜索,同时忽略节点进栈顺序,在求得的拓扑序列的个数、计算中的临时数据量、有向环判断、计算速度方面,比传统算法有了较大的改进。

关键词： 脑受体显像剂   锝-99m标记   标记配合物   血本底  

摘要： 本文制备了一类新的锝-99m标记的配合物，这类配合物可作为5-HT<,1A>受体的潜在显像剂。2-甲氧基苯基哌嗪(MPP)，是WAY-100635的活性基团，它与5-HT<,1A>受体有很高的亲和性。采用流行的双功能连接剂HYNIC，通过与具有不同的碳链长度的MPP分子相连，得到三种不同的配体：HYNIC-MPP2、HYNIC-MPP3、HYNIC-MPP4，并对该类配体进行了熔点测定，红外、核磁以及质谱等表征。\n 通过与HYNIC偶联实现<\'99m>Tc的标记，并对标记条件进行了简单的探索，得出最佳的标记条件为：在室温下当pH为6～7时，TLC显示配合物的标记率可达90％以上，通过改变不同的共配体，获得了一系列<\'99m>Tc-HYNIC-MPP/L(L=Tricine，NTA，HEDTA)的放射性配合物，并进一步对代表标记配合物<\'99m>Tc-HEDTA/HYNIC-MPP4、<\'99m>Tc-NTA/HYNIC-MPP4、<\'99m>Tc-Tricine/HYNIC-MPP4进行了HPLC分析，结果表明该类配合物为混合物，可能含有不同的异构体，并对配合物<\'99m>Tc-HEDTA/HYNIC-MPP4在制备后不同时间进行了生物性能评估。体外稳定性实验表明<\'99m>Tc-HYNIC-MPP/L配合物具有较好的体外稳定性。脂水分配系数和电泳实验结果证明<\'99m>Tc-HYNIC-MPP/L为水溶性的，电中性的配合物。\n <\'99m>Tc-HYNIC-MPP/L(L为不同的共配体)标记配合物在正常小鼠体内的生物分布实验表明该类配合物具有一定的初始脑摄取(0.29～0.83％ID/g)。共配体为NTA和Tricine时，标记配合物的脑清除很快；共配体为HEDTA时得到的标记配合物的脑清除较慢，具有较好的脑放射性滞留，且<\'99m>Tc-HEDTA/HYNIC-MPP4的脑滞留率最高，但是该类配合物的血本底都较高，这可能会影响显像的效果。\n 在该类配合物中，<\'99m>Tc-HEDTA/HYNIC-MPP4具有一定的初始脑摄取(2min时为0.60％ID/g)和较好的脑滞留率(120min时放射性滞留大于50％)。并对标记配合物99mTc-HEDTA/HYNIC-MPP4做了抑制实验、脑局域分布实验和脑局域分布抑制实验。脑抑制实验结果表明，将<\'99m>Tc-HEDTA/HYNIC-MPP4和8-OH-DPAT同时注入正常小鼠体内后，初始脑摄取没有太大的变化，但是60min后脑摄取明显降低(由0.38％ID/g变为0.16％ID/g)。\n <\'99>Tc-HEDTA/HYNIC-MPP4在正常小鼠体内的脑局域分布实验表明<\'99m>Tc-HEDTA/HYNIC-MPP4在5-HT<,1A>受体富集的区域一海马组织的放射性摄取为1.84％ID/g，且120min后在海马组织的的放射性滞留大于80％，而在5-HT<,1A>受体分布较少的区域-小脑的放射性摄取较低，为0.59％ID/g，且海马/小脑放射性摄取的比值在2min时为3.1min，60min后比值为4.4。脑局域分布抑制实验结果显示，注射8-OH-DPAT后，海马组织的放射性摄取明显降低(2min时由1.84％ID/g降为0.53％ID/g)，而在小脑的放射性摄取变化不大(2min时由0.59％ID/g变为0.50％ID/g)，海马组织与小脑的比值也由3.1变为1.

关键词： 细胞重排   内嗅皮层   海马体   网格   体重   信息储存   神经网络   联想记忆  

摘要： 许多联想记忆神经网络的一个基本特性是在信息储存人大脑前使重叠的输人模式去相关的能力。在海马体中，这种神经元分离模式像所有海马位置细胞一样，随着输入海马的感觉信号或动机信号的变化而进行广泛的“重新定位”。重新定位在一个稳定位置代码存在的情况下放电率改变时发生“重新定位率”，而在其它情况下当海马位置代码在位置和放电率上呈现出统计学上的独立价值时完全重组．重新定位发生“全局重新定位”。研究人员表示海马体重新定位的性质可以通过中间内嗅皮层（MEC）上进行位置计算的网格细胞的整体动力学来预测海马体的一种上行突触。尽管重新定位率与稳定的网格区域有关，

关键词： 人工味觉系统   电子舌   生物传感器   导电聚合物   纳米碳管   K系列模型   混沌神经网络   仿生学  

摘要： 人工味觉系统采用人工智能方法模拟人类的味觉系统，是目前国际上仿生学的一个热点，已经在食品、药物等行业中得到了实际应用。本文通过对新型传感器制备技术和仿生信息处理模型的研究，构建了具有类脑信息处理功能的新型人工味觉系统。\n 在传感器制备过程中我们采用了导电聚合物和碳纳米管这两种国际上研究的热点功能材料，分别研制了基于聚吡咯修饰的丝网印刷碳糊电极的过氧化氢传感器和基于碳纳米管修饰的丝网印刷碳糊电极的葡萄糖传感器。在制备过氧化氢传感器中采用了导电聚合物——聚吡咯作为固定酶的载体，在电聚合过程中同时将酶诱捕在聚合物网络内，实现了电极修饰与酶固定化的一步完成。通过这种方法在电极表面实现了酶这一蛋白质大分子的足量的固定，并保持了酶的活性，操作步骤简单，操作条件易于控制。另外，在对碳纳米管的研究中，利用碳纳米管对丝网印刷的碳糊电极的表面进行修饰，并通过对比实验证明采用碳纳米管修饰的传感器，其灵敏度、电极反应速度都得到了极大改善。同时，对碳纳米管的作用机理进行了分析。\n 在信息处理单元，从生物的生理结构出发，研究了基于嗅觉生理结构的仿生神经模型一KⅢ模型，并将其应用于模式识别，取得了较好的成果。根据味觉系统和嗅觉系统在生理上的相似性，嗅觉仿生神经模型被应用于人工味觉系统。由于KⅢ模型在非线性神经动力学上对味觉系统中的信息进行传递、处理和学习，其处理方法更接近于味觉系统的生理过程。在果汁识别的实验中，通过和其它模式识别算法(人工神经网络)的比较，证明基于KⅢ模型的人工味觉系统具有较好的味觉识别能力。

关键词： 脉冲耦合神经网络   概率神经网络   语谱图   语音识别  

摘要： 提出了一种改进脉冲耦合神经网络(IPCNN)实现语音识别的方法。首先利用IPCNN来快速提取语音的语谱图图像特征,然后由概率神经网络(PNN)辅助来识别语音。通过训练语音样本来构成语音识别库并建立综合识别系统。实验结果表明,该方法相对于单独使用PCNN和PNN识别率分别提高了22.7%和39.4%,达到92%的识别率。

关键词： 脉冲耦合神经网络   图像分割   最短路径树   图像处理   神经元参数  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是一种有着生物学背景的新一代人工神经网络，和传统人工神经网络模型相比有着很大的区别。PCNN具有脉冲发放和双通道相乘调制现象，阈值可动态改变，在具有外部神经元脉冲和外部激励信号输入时具有不应期和被捕获现象，神经元相互作用时体现了时间和空间累加特性，很好地模拟了生物神经元的疲劳、不应期，脉冲激励现象。它可用于图像处理，优化等领域，并显示了独特的优越性，对其展开深入研究应用具有重要的理论和现实意义。 \n 本文对PCNN进行了深入研究。利用Urdt-Linking PCNN模型进行图像分割的研究；在DPCNN模型基础上提出了mDPCNN模型和DCDPCNN模型，分别应用于AOE-Nets相关问题求解和AOV-Nets拓扑排序。在PCNN在图像分割中解决了现有文献中存在的一些问题，拓展了PCNN在其它方面的应用。 \n 本文所做的研究工作及所取得的研究进展主要在以下几个方面：\n 一、综述了PCNN的原始模型和原理；改进后的通用PCNN模型和原理；时延脉冲耦合神经网络DPCNN(Delay PCNN)模型原理；单位链接脉冲耦合神经网络Unit-Linking PCNN模型和原理。 \n 二、利用Unit-Linking PCNN实现了灰度图像的分割处理，得到了较好的处理结果。目前，利用．PCNN进行图像分割存在的问题有：图像分割质量对PCNN参数敏感、PCNN迭代准则单一、图像对比度差从而影响分割质量、仿真速度慢。本文提出：实施图像分块策略、在分块基础上结合图像香浓最大熵和图像最小交叉熵的结合迭代准则(其中提出了衡量图像灰度均匀性的方差概念)、使用一种特殊的图像预处理策略，在这些准则和策略的组合下，建议了8种图像分割方案，实验结果与相关文献相比，图像分割细节得到了较大的改善，得到了较好的图像分割质量。 \n 三、在上述第二点基础上，阐述了图像分割进一步改进的方法和手段，并对可行性进行了分析。\n 四、提出了改进型时延脉冲耦合神经网络mDPCNN(modified Delay PCNN)，并成功用于AOE-Nets(Activity *** Nets)有关问题的求解。我们把AOE-Nets的相关问题：关键路径、关键活动、最早开始时间、最迟开始时间，归结为AOE-Nets的最长路径和最短路径，利用mDPCNN可方便求解有向网最长路径和最短路径的特性，成功实现了AOE-Nets的相关问题求解。该方法在一次正向计算即可求解AOE-Nets大部分问题方面比传统方法体现了较好的优势。 \n 五、提出了双通道时延脉冲耦合神经网络DCDPCNN(Dual Channels DPCNN)，并成功用于AOV-Nets拓扑排序。在进行AOV-Nets拓扑排序的过程中，在进行深度优先搜索的同时兼顾广度优先搜索，并使该思想在DCDPCNN模型中得到了映射。该算法中，一次求解计算，可得到AOV-Nets的绝大多数拓扑序列。与传统算法一次仅可求解一条拓扑序列相比(拓扑系列还与邻接表存储顺序和节点进栈顺序有关)，体现了较好的计算性能。 \n 六、在脉冲耦合神经网络(PCNN，Pulse-Coupled Neural Network)的基础上提出了竞争型脉冲耦合神经网络(CPCNN，Competitive PCNN)模型，分析了该模型的脉冲波传播特性，推导了脉冲波传播路径为网络路由图的最短路径树(SPT,ShortestPath Tree)时的神经元参数设置条件，分析了CPCNN求解网络路由图SPT算法的复杂度。仿真实验表明，在网络路由图节点较多时，该算法与经典的Dijkstra算法相比具有较少的迭代次数，且当网络节点增加时，迭代次数基本保持不变，体现了较好的计算性能和优势，具有重要的理论意义和实用价值。

关键词： 图像增强   伪彩色处理   脉冲耦合   人工神经网络   图像处理   灰度级  

摘要： 脉冲耦合神经网络(Pulse coupled Neural Network，PCNN)是一种有着生物学背景的新一代人工神经网络，与传统人工神经网络(Artificial Neural Network，ANN)模型有着很大的区别。PCNN具有脉冲耦合、双通道相乘调制和阈值动态可变的主要特性，并在此基础上产生不应期和脉冲捕获现象，同时神经元在相互作用时体现了时间和空间累加特性，很好地模仿了生物神经元特性。它可用于图像处理，优化等领域，并显示了独特的优势，对其展开深入的研究应用具有重要的理论和现实意义。本文对PCNN进行了深入分析研究，提出了相应的简化模型，解决了PCNN在图像增强中部分问题，并拓展了PCNN应用范围。 \n 本文的工作取得了以下进展：\n 1)在脉冲耦合神经网络(Pulse Coupled Neural Network)模型基础上，提出了DLPCNN (Double Level PCNN)模型。DLPCNN模型能有效地对多灰度级图像进行增强。该方法通过快速并行计算，分层处理、动态步长调整实现对多灰度级图像处理，与传统方法相比体现了较好的优势。 \n 2)提出了简化PCNN模型用于对灰度图像进行伪彩色处理，达到进行图像增强的目的。该方法通过快速并行计算，最大化实现RGB三色的相关性，合理地实现灰度级与彩色颜色的对应，与传统方法相比体现了较好的优势。

关键词： 色谱法,高压液相   大黄酸   大黄素   大黄素甲醚   大黄酚   脑脉通  

摘要： 目的:建立脑脉通有效部位中的蒽醌类成分的反相高效液相色谱法含量测定方法。方法:采用大连依利特ODS色谱柱(250 mm×4．6 mm,5μm),流动相为甲醇-0．1％磷酸溶液(80:20,V/V),流速:1．0 mL·min^(-1);检测波长:254 nm。结果:芦荟大黄素、大黄酸、大黄素、大黄酚、大黄素甲醚总含量为4％以上,平均回收率为100．54％,RSD:1．58％。结论:所建立的方法简便、准确,可作为有效部位的质量控制方法。

关键词： 区域面积   脉冲耦合神经网络   边缘提取   噪声  

摘要： 提出一种利用区域面积调节脉冲耦合神经网络神经元的脉冲发放值的计算方法,对带噪声的模糊图像进行图像增强,在消除了噪声影响的同时,提高了边缘提取的自适应性和准确性。编程实验表明,该算法效果明显。

关键词： DPCNN   AOE-网   关键路径/活动   最早/最迟开始时间  

摘要： 在时延脉冲耦合神经网络(DPCNN-Delay Pulse Coupled Neural Network)的基础上,提出了mDPC-NN(modified DPCNN)模型.mDPCNN能方便地用于有向网的最大代价路径和最小代价路径的求解,并将其成功地运用其于求解AOE-网(Activity On Edge)有关问题.该方法通过快速并行计算,一次正向计算即可求解AOE-网大部分问题,与传统方法相比体现了较好的优势.