排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
神经元形态重建是指从图像中挖掘表征神经纤维特征的量化数据.该技术在神经元类型识别、神经回路绘制、脑图谱构建等众多脑科学基础研究中发挥重要应用,也会为人工智能领域的多项研究提供有益借鉴.近年来,分子标记和成像技术的系列进展将全脑尺度神经元网络研究推向前所未有的尺度,但也对现有神经元形态重建方法提出若干挑战.在此背景下,本文简述国内外神经元形态重建研究现状和经典方法,论述单神经元重建到神经群落重建是领域发展的必然趋势,并对神经元形态重建的未来发展方向做出展望.上述内容有助于我国研究者迅速了解神经元形态重建领域的最新动向,发展与现有数据特点相匹配的神经元形态重建方法. 相似文献
3.
线性支持向量分类机的平凡解 总被引：1，自引：0，他引：1
对二类分类问题,在线性可分或近似线性可分情况下,对线性支持向量分类机的平凡解进行了讨论,得出了解为平凡解的充要条件,说明了其几何意义,指出了避免出现这一现象的解决办法.该充要条件表明:对给定的训练集T,最优解是否为平凡解取决于训练集T的样本点在空间的分布位置,与惩罚参数C值的选取无关.一旦出现平凡解,线性支持向量分类机将会失效.为解决这一问题,可通过增加或减少训练集T中的样本点来实现. 相似文献
1