慢性应激对小鼠空间学习记忆功能及海马和前额叶皮层BDNF表达的影响

采用多因素慢性应激动物模型,通过Morris水迷宫测试小鼠空间学习记忆能力;采用免疫组织化学方法检测脑源性神经营养因子（BDNF）在海马和前额叶皮层的表达．结果显示,与对照组相比,应激组小鼠的空间学习记忆能力明显下降（P〈0．01）;应激组小鼠海马CA1区、齿状回和前额叶皮层BDNF表达明显下降（P〈0．01）;停止应激后一周,应激组小鼠BDNF在各脑区的表达有一定恢复,但与对照组相比,仍有显著性差异（P〈0．05,P〈0．01）．结果表明,慢性应激导致小鼠空间学习记忆功能的损伤可能与BDNF表达的下调密切相关．     

Use of Knowledge of Word Formation in English Vocabulary Teaching

The general and traditional ways to learn English words are too boring and unsystematic, which is a weak point in students’English learning. The author has conducted a survey among freshmen, sophomores, juniors to find out the points,combined the results of the survey with features of memory and storage system, put forward word formation. This essay also presents the advantages of word formation in English vocabulary teaching and learning and introduces five main categories of word formation.     

公民意识刍议

公民意识是政治民主化的必备内容之一。公民意识相对于臣民意识而言,指民众有独立的人格和理性精神,神圣的法律意识和权利义务观念,积极主要的政治参与热情。我国民众尚不具备现代公民意识,原因是我方面的,既有历史传统的影响,又有现代客观条件的限制。培育公民意识是我们艰巨的任务,必须从政治、经济、文化等方面入手。只有培育出现代公民意识,我国民主政治的建设目标才能实现。     

教师在大学英语网络自主学习中的角色

随着计算机网络的迅速发展,以网络为平台的个性化、自主式的大学英语教学模式应运而生。这一新的教学模式对教师提出了新的要求。本文旨在以自主学习理论为理论基础,结合大学英语自主学习的现状,探讨教师在大学英语网络自主学习中应扮演的角色,使教师能够更好地指导学生、帮助学生有效地进行自主学习。     

基于资源获取与组织学习视角的新创企业内部能力提升战略选择研究

内部能力提升乃新创企业紧迫使命,但现有企业能力提升研究主要以成熟企业为研究对象,忽视了新创企业特点。通过分析企业内部能力与资源、知识及组织学习关系,在研究新创企业资源获取与组织学习战略基础上认为,充分借助外部网络关系,采取外部化或内外结合的方式不失为新创企业内部能力提升首选战略。本研究有助于推动新创企业更好地实现内部能力提升。     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

一种改进的RBF神经网络学习算法

提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性     

基于Relief算法的特征学习聚类

聚类作为数据挖掘常用工具之一,是按照事物间的相似性进行的一种无监督分类．然而传统的聚类方法较少考虑特征权值．为此,通过研究、分析Relief算法及其在聚类应用中存在的问题,提出了一种基于Relief算法的特征评价函数,并将此函数运用到特征学习聚类中,以解决特征权值取值不当对聚类产生的负面影响．