水合氯醛对小鼠生长发育、学习记忆和治疗指数的影响

目的 水合氯醛对小鼠生长发育、学习记忆和治疗指数的影响.方法 用各组小鼠体重变化趋势观察水合氯醛对小鼠生长发育的影响,避暗法和跳台法观察水合氯醛对小鼠学习记忆的影响,用分组法测量水合氯醛对小鼠催眠的ED50、LD50和治疗指数.结果 在跳台和避暗实验中,与NS组相比,第一天C1、C2、C3(水合氯醛剂量分别为0.005...     

文学原作中的意义分类

文学原作中的意义可简单分为两类:字面—语言意义和意蕴—人文意义。人文意义主要是指蕴含的精神意趣、情趣、事趣、理趣和社会意义(广义上的社会意义)。人文意义包括附加伴随意义和利奇所说的联想意义等。联想意义中的社会意义,在文学作品中通常具有社会—修辞色彩,可名之为社会—修辞意义,译者应悉心识之并予以传达。     

社会记忆、风险社会与文化调适——现代民间风水信仰的人类学解读

风水是我国颇具特色且蕴意丰富的民俗文化事象,它在现代民间仍具有顽强的生命力。现代民间风水信仰是人们在现代社会政治经济秩序下和现代科技与理性造就的社会生态环境中,以＂回归传统＂的方式利用传统风水民俗文化孑遗来化解人生困厄和规避自然或社会风险的一种文化调适策略。     

利用基因芯片检测大鼠衰老相关的记忆障碍的调控基因

许多证据表明,正常衰老过程伴随着记忆力的衰退.但有些动物却不表现出这种年龄相关的记忆障碍.为了检测其中的分子机制,将24个月的老年大鼠按在水迷宫中的行为表现分成记忆损伤组和记忆未损伤组,分别取海马和内嗅皮层进行基因芯片检测.结果显示,在海马和内嗅皮层中分别有47和37个基因的表达发生了显著变化.但两个脑区的基因表达变化...     

慢性应激对小鼠空间学习记忆功能及脑内GDNF的影响

探讨慢性应激对小鼠空间学习记忆功能的影响及其机制.通过Morris水迷宫试验测试小鼠的空间学习记忆能力;检测胶质细胞源性神经营养因子(GDNF)在海马和前脑皮层的表达.结果显示,应激组小鼠慢性应激后,与对照组相比,空间学习与记忆能力明显降低(P＜0.01),海马CA1、CA3区、齿状回和前脑皮层GDNF表达明显下降(P＜0.01);应激停止后一周,应激组小鼠空间学习与记忆能力有所恢复但仍弱于对照组小鼠,且有显著性差异(P＜0.05);GDNF在各脑区的表达有所恢复,但与对照组相比,仍有显著性差异(P＜0.05,P＜0.01).结果提示,慢性应激导致小鼠空间学习记忆功能的损伤可能与GDNF表达的变化密切相关.     

色彩意向与设计

我们生活在一个丰富多彩的色彩世界中。作为美术教育工作者,必须了解色彩的起源发展,分析色彩的感知原理,研究色彩的规律变化,进而运用于教学和艺术实践中。色彩的意向与设计,是色彩学、色彩理论中重要且应用广泛的学科,研讨与把握色彩的联想与象征理论规律,运用于教学中,可以指导学生对色彩由规则、具相直接认知转而向感知、发挥的更高艺术层次提升。     

带有结构变点的长记忆模型的实证研究

运用改进的Tapered对数周期图方法对带有结构变点的长记忆模型的参数和变点进行估计,对上证指数的波动性进行长记忆检验及变点讨论,研究结果表明,上证指数的波动率序列同时具有显著的长记忆特性以及结构变点。     

简单系统热力学基本方程麦氏关系记忆方法及推广研究

热力学理论中涉及了大量公式和数学推导,使得这部分知识比较零散,脉络不清不利于学生理解掌握,本文通过归纳总结给出了系统函数微分方程和麦氏关系的记忆方法,并提纲要领的阐述了怎样应用这部分知识对热力学系统进行研究,最后推导出了几种典型系统的函数微分方程和麦氏关系,实现热力学知识体系系统化.     

动态环境下基于可变记忆的进化算法

常规基于记忆的进化算法在动态环境中往往达不到期望的效果,这主要是由于记忆体大小的限制.为此提出了动态环境下基于可变记忆的进化算法(IMEEA),其核心思想是算法中拥有两个种群,即搜索种群和记忆种群,同时采用过度变异策略来增加种群的多样性.算法中的两个种群有最小和最大的允许长度,并且种群的大小根据进化过程的进行而不断变化...     

深度学习在实测沉降数据预处理中的应用研究

基于深度学习中的长短期记忆网络LSTM,通过搭建Seq2Seq模型,提出了可对实测沉降数据进行预处理的新方法.Seq2Seq可通过观测大量有效的测点数据来自动学习沉降发展规律,并在训练完成后能对异常测点沉降进行重新计算,可有效避免异常数据对后续沉降预测的干扰.以某机场多个区域的实测沉降数据为背景,通过将Seq2Seq模型重计算出的沉降值与实测值对比,验证了该模型的可靠性.结合超参数与数据集等参数分析,研究了提升模型学习能力的影响因素.研究结果表明:在训练集选取40个测点、测试集选取15个的条件下,模型重计算值与实测值全过程平均误差3 cm.增大训练集与数据特征,且减小训练集与测试集之间的偏差时,模型的精度提升明显,误差缩小到2 cm.