采煤机自适应记忆切割

针对以往的采煤机记忆切割技术在我国复杂地质条件下不适用的情况,提出了基于模糊控制理论的采煤机自适应记忆切割技术,设计出了采煤机位置、姿态定位系统和采煤机自适应切割模糊控制系统.该系统可以获取采煤机任意位置处的姿态和状态信息,自动跟踪所记忆的切割路径,基于模糊控制理论对是否截割到岩石进行判断并做出最优的处理方案.通过实验室的路径跟踪实验和西安煤矿机械有限公司的自适应调节实验证明:该技术在实现采煤机记忆切割的基础上能够识别出滚筒到切割岩石时的异常状态,并对牵引速度和滚筒高度做自适应调节,能够满足复杂地质条件下对采煤机的控制要求.     

记忆面孔, 男女有别: 关于面孔再认性别差异的行为与ERP研究

采用行为实验及事件相关电位技术, 通过学习-测验范式考察面孔再认中的性别差异,结果发现: (ⅰ) 女性面孔更容易被记住, 且女性很可能比男性更擅长记忆面孔. (ⅱ) 旧面孔诱发的N170 波幅更大, 表明该脑电成分可受到面孔熟悉度的调制. (ⅲ) 女性面孔诱发的N170 波幅更大, 而男性面孔引发的P2 波幅更大; 前者可能与女性面孔可变化的特征较多、需要更大的心理负载有关; 后者可能与男性面孔可变化的特征较少、再认难度较大, 从而需要更深的加工有关. (ⅳ) 新旧面孔诱发女性被试的P1 波幅存在差异, 但男性被试身上不存在此现象, 提示女性的脑活动可能比男性更早地受面孔的熟悉度所调制. 此外, 女性被试对于新旧面孔还表现出P2, N250 波幅的差异, 且女性被试新旧效应涉及的头皮范围比男性更广, 这些都为女性较好的面孔再认能力提供了电生理证据.     

中枢记忆性T细胞和效应记忆性T细胞

免疫记忆是适应性免疫应答的重要特征,其细胞学基础的阐明是疫苗开发和疾病预防的关键。近年来的研究表明,记忆性T细胞可以被进一步划分为中枢记忆性T细胞和外周记忆性T细胞2个亚群,它们的分布和功能迥异,在生物学特性上也不尽相同。二者关系的深入探讨对于免疫记忆的认识和疾病防治均具有重大的理论和实践意义。     

基于MPA-LSTM模型和Bootstrap方法的短期光伏功率区间预测

光伏发电功率的波动性和间歇性为电力系统调度管理带来巨大的挑战,精确的光伏功率区间预测是解决上述问题的一种有效途径。为此,本文提出了一种基于LSTM网络的新型短期光伏功率区间预测模型。采用MPA对LSTM网络的隐含层神经元数和训练批次数等超参数进行自动寻优,以克服随机选取LSTM模型参数过程中存在的盲目性、费时等问题;并将MPA-LSTM模型用于光伏功率点预测。然后,采用Bootstrap方法分析模型预测结果的误差分布,确定模型预测输出的区间范围。最后,通过对比仿真验证所提模型的有效性。结果表明：本文所提的MPA-LSTM模型均方误差的平均值为1.09%,优于SVM、LSTM、PSO-LSTM和MPA-SVM模型;Bootstrap方法能够准确地描述给定置信度水平下的光伏功率波动范围。     

时空记忆模型在空间认知行为建模中的应用分析

空间环境的结构和实体活动的行为逻辑是军用仿真系统的重要建模对象,而建立符合人类认知规律的时空记忆表示与推理模型,是提高计算机生成兵力(Computer Generated Forces,CGF)行为拟人性、并提升系统运行效率的重要内容.简述了时空记忆的神经认知科学背景,梳理总结了近年来机器学习与计算智能中记忆机制的建模...     

黄粉虫的营养保健作用

为了解黄粉虫油脂和去油虫渣的营养保健作用,将黄粉虫油脂和去油虫渣掺入饲料,饲喂初成年的ICR小鼠,测定了其对小鼠的学习记忆能力和抗疲劳能力的影响;同时研究了黄粉虫全虫干粉对皮下注射了D-半乳糖致衰老模型小鼠的影响。结果表明:分离后的黄粉虫油脂和油渣均能提高小鼠的抗疲劳能力;但仅黄粉虫油渣可促进其学习能力。饲料中掺入黄粉虫幼虫干粉,使其在饲料中的质量分数为0.05和0.10,可抑制D-半乳糖致衰老小鼠体重的降低,显著提高其脾脏和胸腺的脏器重量,增强免疫力;但对血清抗氧化能力无明显的改善作用。     

创造天才

聪明睿管是人类不懈追求的目标之一。人人都希望自己能成为天才,但怎样才能成为天才,则历来众说纷法。毋容置疑,天才是由脑功能所决定的,为此,科学家对脑科学的研究乐此不疲。事实上,人类对脑的认识至今仍很肤浅。人脑是世界上最复杂、最精巧的生物机器,是几百万年进化的产物。外观上人脑并不复杂,大致呈球状,乳白色,由大脑半球、小脑、脑干组成表面。大脑半球表面有许多沟裂,因此看上去皱巴巴的。不同个体之间的大脑重量没有多大差别,平均1．3千克左右,占人体总重量的不到2．5％,但消耗的热量却占人体消耗总能的20％。在显微…     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

采用小波变换和双向长短期记忆网络的脑电睡眠分期模型

针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期。采用SHHS公开数据库的5 793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82%,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升。     

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。