全反式维甲酸对小鼠胚胎不同阶段神经干细胞诱导作用研究

目的:探讨全反式维甲酸对小鼠胚胎不同阶段神经干细胞(NSCs)的诱导分化情况.方法:分离孕12.5d及15.5d的胚胎小鼠脑皮质.取第3代NSCs,用含1μmol·L-1的全反式维甲酸在体外诱导小鼠胚胎不同阶段的NSCs.诱导5d后,通过神经元微管相关蛋白2(MAP2)免疫荧光染色和Westernblots检测NSCs分化为神经元的比例.结果:与对照组相比,全反式维甲酸可明显提高神经元分化的比例.E12.5干细胞和E15.5胚胎干细胞分化为神经元的比例分别为30%±1.47%和16.21%±1.36%.结论全反式维甲酸具有显著的促神经干细胞分化成神经元的效应,并对胚胎不同阶段神经干细胞的诱导作用有所不同.     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于行为特征的机器人变步长气味源搜索算法

面向在地面搜索地下气味源的任务,针对传统六边形路径算法步长固定且无法对气味源定位的不足,提出移动机器人依靠气体传感器的基于自身行为特征的变步长气味源搜索算法.机器人根据其自身在搜索过程中所表现出的行走特征,采用行为控制模型,选择与具有不同特征的行为相匹配的步长调整策略.步长调整策略包括:根据实测所得即时气味浓度变化率的动态步长改变策略、根据徘徊程度确定的动态步长缩短策略、固定步长策略.非均匀土壤且实际扩散情况下的计算机仿真证实,改进算法具有气味发现、气味跟踪和气味源定位三种功能.     

抗坏血酸定向诱导神经干细胞分化为多巴胺能神经细胞及其机理研究

神经干细胞(NSCs)是神经系统发生的始祖细胞,具有自我更新和多向分化潜能.NSCs的研究不仅对阐明神经系统发育有重要意义,对神经系统疾病的治疗也提出了新的思路.研究NSCs定向分化的诱导因素和机制对NSCs的应用具有重要意义.本实验在体外神经干细胞培养鉴定和扩增的基础上,观察了抗坏血酸(AA)对NSCs定向诱导分化作用,并探讨了分化过程中相关基因表达的变化和可能的信号传递途径.结果表明AA诱导能明显促进多巴胺能神经细胞特异性酪氨酸羟化酶(TH)、多巴胺转运子(DAT)mRNA和蛋白表达;NSCs表达Ptx3和较弱的Nurr1,不表达TH,DAT和Shh;诱导后Ptx3表达无变化,Nurr1,Shh,TH和DAT表达增强.Erk阻断剂PD98059能阻断AA对Nurr1,TH,DAT mRNA的作用.提示Nurr1参与AA定向诱导,AA可能通过Erk1/2信号转导途径起作用.研究为获得足够的治疗帕金森氏病的多巴胺能神经元提供了新的思路,并对AA定向诱导的机制进行了初步研究,对更好地发挥NSCs移植治疗帕金森氏病具有重要意义.     

一种新型神经网络控制器的研究

提出了一种新型神经网络控制器,其控制机理与PID控制相类似,但解决了常规PID控制存在的快速性与超调量的矛盾.给出了该神经网络控制器的自适应学习算法,分析讨论了控制系统的稳定性.仿真实验表明,这种新型神经网络控制器构成的自适应控制系统具有较强的适应性和鲁棒性.     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

基于改进BP神经网络的智能控制方法研究

针对典型BP神经网络存在的缺陷提出了一些有效的改进措施。通过采用改进的BP神经网络来对控制规则样本进行学习和训练 ,使网络记忆控制规则 ,以达到智能控制的目的。仿真和实验结果证明 ,该方法具有优良的控制特性 ,能满足伺服电机控制的需要。     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

水上交通安全信息处理中的神经网络技术

由于航道信息环境的复杂化 ,使得现代水上交通安全面临着很多严重问题。解决这些问题的出路在于采用先进的信息处理理论和技术 ,而神经网络就是一个最佳的选择。研究分析表明 ,神经网络在水上目标的雷达、红外和声纳检测 ,识别 ,跟踪 ,水上交通安全信息融合 ,船舶避碰决策支持等方面 ,具有良好的应用前景