排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
局部场电位(local field potential,LFP)与神经元发放的锋电位(spike)之间的同步关系揭示了重要的神经编码信息。为了研究不同对比度的光栅刺激下猕猴视皮层V1区和V4区神经元的朝向选择性,本文将锋电位触发的相关矩阵同步方法应用于在猕猴视皮层V1区和V4区记录的微电极信号,发现spike与gamma频段LFP之间的同步与光栅朝向之间存在较强的相关性,反映了视觉刺激的基本特征信息。另外,神经元spike的发放速率虽然会受到光栅朝向的影响,但是在不同对比度下发放速率并无明显区别,而spike-LFP同步会随着对比度的增加而增加,能够反映出同一朝向下对比度的变化。本文还利用圆方差来量化spike-LFP同步的朝向调谐曲线,发现对比度越大,V1区和V4区神经元的朝向选择性越强,V1区神经元比V4区神经元具有更强的朝向选择性。总之,spike-LFP同步能够更深入地揭示视皮层神经元的朝向调谐特性,为研究朝向选择性的形成机制提供新的方向。 相似文献
2.
为解决ICP( Iterative Closest Point) 算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法( AAGPSO: Adaptive Artificial Glowworm-Particle Swarm Optimization) ,以使算法的收敛速度变快,解的精度得到提高; 其次优化迭代最近点算法( ICP) ,将已改进的AAGPSO 算法引入ICP 配准算法中进行点云配准,解决ICP 算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP 配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO 算法在传统ICP 算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。 相似文献
1