枳菊解郁汤对抑郁模型小鼠空间学习记忆及脑内bFGF的影响

目的：探讨枳菊解郁汤对抑郁模型小鼠空间学习记忆的影响及其机制。方法：采用多因素慢性不可预知应激源建立抑郁动物模型,并给予动物不同剂量枳菊解郁汤。通过Morris水迷宫实验,检测各组小鼠空间学习记忆能力的变化;采用免疫组织化学方法检测碱性成纤维细胞生长因子（bFGF）在脑内的表达。结果：抑郁模型组小鼠空间学习记忆能力明显下降（P〈0．05）;bFGF在前脑皮层和海马CA1,CA3及DG区的表达明显降低（P〈0．05）;与模型组小鼠相比,枳菊解郁汤中剂量组空间学习记忆能力明显增强（P〈0．05）;bFGF在海马的CA1、CA3和DG区及前脑皮层的表达明显增加（P〈0．05）。结论：枳菊解郁汤的抗抑郁作用可能与海马和前脑皮层bFGF表达的上调有关。     

基于改进的多对多联想记忆混沌神经网络研究

研究混沌神经网络的联想记忆特性,探讨了网络参数的改变对其联想记忆效果的影响,在此基础上提出了一种多对多联想记忆混沌神经网络模型（MCAM）,通过仿真实验证明了该模型的先进性．     

灯盏花素对缺血性记忆障碍和血脑屏障的保护作用

采用行为观察和生化检测相结合的方法,研究了灯盏花素对小鼠缺血性记忆障碍和血脑屏障的保护作用．结果表明：前脑重复缺血再灌注使小鼠的学习记忆能力显著下降（P〈0．01）,同时伴随脑内髓过氧化物酶（MPO）活性上升（P〈0.01）、脑组织伊文思蓝（EB）及水含量升高（P〈0.01）．灯盏花素治疗可提高缺血小鼠的学习记忆能力,并使脑组织EB含量下降（P〈0.05和P〈0.01）、水含量减少（P〈0.05）,使血脑屏障损伤程度有所减轻;同时,伴随MPO活性的下降（P〈0.05和P〈0.01）,炎症反应减弱．提示灯盏花素能减轻缺血再灌注引起的脑损伤,改善小鼠的学习记忆能力．该作用可能与灯盏花素提高脑组织抗血脑屏障损伤和抗炎症反应能力有关．     

基于LSTM的沪深300ETF期权定价模型研究

将深度学习算法中的长短记忆神经网络（LSTM）引入期权定价的研究中．构建了沪深300ETF看涨期权和看跌期权的LSTM定价模型,进行了实证分析,并和BP神经网络模型的预测结果进行了对比．结果表明,LSTM神经网络模型的预测精度与深度学习的训练次数有关,且LSTM期权定价模型的预测效果要优于传统的BP模型．     

深度学习:多层神经网络的复兴与变革

 人工智能（AI）已经进入一个新的蓬勃发展期。推动这一轮AI 狂澜的是三大引擎,即深度学习（DL）、大数据和大规模并行计算,其中又以DL 为核心。本文回顾本轮“深度神经网络复兴”的基本情况,概要介绍常用的4 种深度模型,即：深度信念网络（DBN）、深度自编码网络（DAN）、深度卷积神经网络（DCNN）及长短期记忆递归神经网络（LSTM-RNN）。简要介绍深度学习在语音识别和计算机视觉领域几个重要任务上的应用效果情况。为便于应用DL,介绍了几种常用的深度学习开源平台。对深度学习带来的启示和变革做了一些开放式的评述,讨论了该领域的开放问题和发展趋势。     

时空序列的阶与递归神经网络的学习能力

对时空序列给出了严格的定义并给出了它的一些重要的性质．通过引入阶的概念，得出了单层递归神经网络（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）与时空序列的匹配定理．并且进一步讨论了递归神经网络对二元时空序列的学习和记忆性能．     

急性应激对小鼠空间学习记忆功能及海马和前脑皮层c-Fos蛋白表达的影响

采用足底电击急性应激模型,通过旷场实验和Morris水迷宫实验分别测试小鼠的行为和空间学习记忆能力;以免疫组织化学方法检测c—Fos蛋白在海马和前脑皮层的表达．结果显示,与对照组小鼠比较,急性应激组小鼠在新异环境下的自发行为明显降低（P〈0．05,P〈0．01）,而在水迷宫实验中,急性应激组小鼠空间学习记忆能力明显提高（P〈0．05,P〈0．01）;与对照组小鼠比较,急性应激组小鼠海马CA1区、齿状回和前脑皮层c—Fos蛋白的表达在应激后1h明显增强（P〈0．05,P〈0．05,P〈0．01）．结果提示,急性应激所致小鼠空间学习记忆功能的改变可能与c—Fos蛋白表达的上调有关．     

短期风力发电负荷预测的新方法

以陆上风力发电负荷数据作为研究对象,将注意力机制引入双向长短期记忆与卷积神经网络（CNN）的混合模型来预测短期电力负荷．结果显示:1）注意力机制通过对不同时步的输入进行加权,能够显著提升双向长短期记忆网络的预测性能;2）双向长短期记忆网络-CNN结构比CNN-双向长短期记忆网络结构更适用于短期负荷预测,前者相较后者能够充分利用时序信息,不会在输入初期就丢失关键信息;3）基于注意力机制的双向长短期记忆网络-CNN混合模型的均方根误差（RMSE）、平均绝对百分比误差（MAPE）分别达到了575.35和7.02%,比次佳模型（基于注意力机制的双向长短期记忆网络-CNN混合模型）分别降低了2.75%和9.65%,其在风电短期负荷预测方面有很好的应用前景．      

一个大脑学习与记忆的现实性神经网络模型

现实性神经网络是相对人工神经网络而言的，它与人工神经网络相比，更接近真实的生物神经网络，大脑学习与记忆的功能及特点，一直是许多学科研究的热门话题。建立一个关于大脑学习与记忆的现实性神经网络模型，将为研究大脑学习与记忆的功能、特点提供十分有用的工具，并有助于进一步理解大脑高级功能的机制。针对大脑学习与记忆遥特点，着重考虑了3个方面的问题：1）如何使模型既具有稳定性又具有可塑性；2）如何使模型的学习与记忆具有条件性；3）如何使模型学习与记忆具有一定随机性。通过数学分析及模拟实验表明，模型能较好地反映大脑学习与记忆的主要特点，如神经联系的条件性（强化则巩固，不强化则衰减），大脑活动的随机性等，并简略地反映了DNA－RNA－Protein系统对记忆的意义。     

USDBL（1，0，1）模型参数矩估计

本文讨论了USDBL（1,0,1）模型的平稳条件,在模型满足平稳条件的情形下研究了该模型的二阶中心矩所满足的差分方程、并由此得出了模型参数的估计公式．最后研究了该模型矩估计的渐进性质．     

Fast Control of Negative Pressure Response of a Bio-inspired Suction Cup Actuated by Shape Memory Alloy

A bio-inspired suction cup actuated by drape memory alloy (SMA) for miniature wall climbing robots ls developed based on studying characteristics of biological suction apparatus. Some fast control strategies are introduced to improve negative pressure response. model of the suction cup is built,and simulation and experiments results indicate the effectiveness of the fast control strategies. The largest negative pressure of the suction cup can reach 14 000 Pa,and its generating and cancelling just need 5 s. Research results Indicate the suction cup can be used as an adhesion mechanism for miniature wall climbing robots.     

基于ARCH类模型对沪市波动性的实证研究

在对股票市场的研究中,波动性一直是比较重要的一方面,利用ARCH类模型对上证综指日收益率进行分析,得出上证综指具有集聚性和长期记忆性。     

机器学习模型在地下水埋深模拟中的适应性分析

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明：LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型。     

一种简化Volterra级数的记忆功放行为模型

考虑强非线性和长记忆效应的功放行为模型,需要降低Volterra级数模型的辨识参数,提出了一种基于简化Volterra级数的功率放大器行为模型。通过对广义记忆多项式模型(GMP)中的交叉相乘项的记忆时间距离l进行有效控制,可以在满足系统误差要求的同时减少辨识参数的数量。仿真结果表明,简化的Volterra级数模型性能优于记忆多项式模型(MP),略低于GMP模型,模型辨识参数大大减少。     

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因 子,进而构建 GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。     

Suppressing unwanted memories by executive control

Freud proposed that unwanted memories can be forgotten by pushing them into the unconscious, a process called repression. The existence of repression has remained controversial for more than a century, in part because of its strong coupling with trauma, and the ethical and practical difficulties of studying such processes in controlled experiments. However, behavioural and neurobiological research on memory and attention shows that people have executive control processes directed at minimizing perceptual distraction, overcoming interference during short and long-term memory tasks and stopping strong habitual responses to stimuli. Here we show that these mechanisms can be recruited to prevent unwanted declarative memories from entering awareness, and that this cognitive act has enduring consequences for the rejected memories. When people encounter cues that remind them of an unwanted memory and they consistently try to prevent awareness of it, the later recall of the rejected memory becomes more difficult. The forgetting increases with the number of times the memory is avoided, resists incentives for accurate recall and is caused by processes that suppress the memory itself. These results show that executive control processes not uniquely tied to trauma may provide a viable model for repression.     

基于记忆原理的信任值更新模型

针对开放网络中节点信任值随时间和节点交易行为动态变化的特性,通过对记忆原理与社会网络记忆特性的分析,认为节点服务的重要性与事件的影响力等属性都是一种具有记忆特性的信息,网络中具备这些属性的节点的信任值的变化过程与记忆原理相似.因此以记忆原理为基础,建立了与时间及节点交易相关的变速率的信任值更新模型.该模型可以通过调整衰减因子的大小对节点交易行为起到一定激励作用.实验结果表明该模型能够准确地反应节点信任值随时间和节点交易行为变化的规律,同时还可以通过对交易频率的监控,实现对恶意节点的检测.     

CuZnAl形状记忆合金的拉伸曲线模型

采用电子万能拉伸试验机对CuZnAl形状记忆合金进行了拉伸试验．试验结果表明。拉伸曲线的骨架曲线与滞回曲线因为残余马氏体量不同而形状不同．由于马氏体开始转变温度的不同．CuZnAl形状记忆合金的骨架曲线模型与滞回曲线模型的参数稍有区别,因此,不同相变温度的CuZnAl形状记忆合金的模型需要作修正．另外,马氏体状态记忆合金的力学曲线模型为双线性模型．     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

地下综合管线信息系统动态元数据库管理系统的设计

介绍了地下管线信息系统的研究背景,设计了一个地下管线动态元数据库模型,讨论了元数据的存储、管理、录入、检索等技术问题。