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。     

植物响应高温胁迫的表观遗传调控

由于不能移动,植物只能被动地应对昼夜温度和四季气温的改变.为了适应环境温度的变化,植物进化出复杂的遗传和表观遗传机制去感知周围温度的变化并随之调整生长发育.全球气候变暖对农作物的生产造成了严重威胁,因此研究植物响应高温胁迫的机制迫在眉睫.DNA甲基化、组蛋白修饰、染色质重塑和小分子RNAs是主要的表观遗传调控机制.这些表观遗传修饰各自分工又密切联系,共同调控植物的抗热性.本文介绍了近年来表观遗传修饰调控植物响应高温胁迫的研究进展.     

动态

美好的记忆是每个人都希望珍藏的,而痛苦的记忆则都希望从脑海中删除。能够抚平人们痛苦记忆带来的创伤,听起来似乎是难以实现的事情,但是有美国科学家声称,他们已经获得了突破性进展,发现了一种潜在删除大脑记忆中创伤的方法。     

解冻“渐冻人”

 通常,疾病患者不仅要忍受肉体的痛苦,往往还忧心忡忡,担心是否能够痊愈、是否有其他并发症等等,这给患者带来严重的心理负担,在精神上也经受折磨。“渐冻人症”患者更是如此--他们的肢体不受控制,但具有清醒的意识,精神上的痛苦可想而知。     

电针对APP /PS1 转基因AD 小鼠Morris 水迷宫学习记忆行为的影响

摘要:目的探讨电针对5 月龄APP /PS1 转基因阿尔茨海默病(Alzheimer's disease,AD)模型小鼠学习记忆行为学 的影响。方法将16 只APP /PS1 转基因阳性雄鼠随机分为模型组、电针组,每组各8 只,8 只APP /PS1 转基因阴 性雄小鼠为对照组,电针组针刺“百会”、“涌泉”穴位后接电针仪,疏密波,每次针刺持续15 min,隔日1 次,对照组、 模型组以相同方法用鼠袋束缚15 min,隔日1 次,3 组都持续5 周,以Morris 水迷宫检测小鼠学习记忆能力。结果 3 组间的鼠逃避潜伏期的差异均有统计学意义(P ＜ 0. 05),电针组与模型组小鼠之间的差异有统计学意义( P ＜ 0. 05)。结论电针能提高APP /PS1 转基因AD 模型小鼠的学习记忆能力。     

闽浙移民宗族的血缘与记忆认同——苍南宕顶吴氏宗族“小过年”祭祀仪式个案研究

浙江温州苍南县宕顶吴氏宗族为浙南地区的闽南移民之后裔,其特有的“小过年”祭祀仪式已传承数百年之久,是闽浙移民宗族进行血缘与记忆认同的重要方式,同时也是移民宗族文化的重要载体.笔者数次至苍南县宕顶村进行田野调查并亲身经历该祭祀仪式,希冀通过对“小过年”祭祀仪式的缘起、传承、内涵、作用等方面的分析,还原该文化现象的基本形态,并在此基础之上探索其背后所蕴藏的社会因子与文化内涵.     

基于流形距离的高速公路短时交通流预测模型

准确的高速公路短时交通流预测是实现交通诱导和控制的重要前提和基础。为了提高预测精度,提出一种基于流形距离(MD)的K近邻-长短期记忆(K-nearest neighbor-long short-term memory,KNN-LSTM)高速公路短时交通流预测模型。该模型利用流形相似性分析高速公路交通流的时空特性,计算多站点与目标站点之间的流形距离。然后,采用改进的KNN算法筛选出空间相关站点构造交通流数据集,通过LSTM模型提取时序特征得出预测结果。实验表明,与单一预测模型相比,该方法能更好地提取交通流时空特性且预测精度更高,可为高速公路的交通管理提供必要的依据。     

前瞻记忆和警觉性的关系:来自ERP研究的证据

前瞻记忆指记住将来的计划或意图的能力;警觉性是指在一段相对长的时间内保持注意的能力.一般来说,前瞻记忆都包含有警觉性成分.在一般的前瞻记忆任务中,被试先形成一个前瞻记忆的意图,在形成意图之后,不是立即实现这个意图,而是进行一段时间的其     

基于双向长短期记忆网络和自注意力机制的食品安全裁判文书分类方法

目前食品安全领域裁判文书数量持续增长,而其类别标签的缺失导致检索困难。针对将裁判文书自动化分类的问题,提出一种结合self-attention机制和BLSTM(bi-long short-term memory)网络的分类方法,该方法使用自训练注意力机制,对向量化的文本进行加权表示,从而对裁判文书中的重要特征重点关注。同时,由两个方向相反的LSTM网络组成的BLSTM网络,能够更好地学习上下文信息,提高网络性能。通过实验,准确率达到了95. 23%,相较于传统的机器学习方法,所提方法能够更好地完成食品安全领域裁判文书分类任务。     

有意识的记忆

不知你是否有过类似的经历：你可以毫不费力地记住某些事物,但却对另一些事物却毫无印象。比如,你可以面面俱到地描述你家的沙发椅,但对读书期间学过的某个普通科学数据如某元素的原子量可能就感到脑子里一片空白。