-
重复低剂量利血平啮齿类动物帕金森病模型预测效度的验证
L-DOPA(LD)是治疗帕金森病(PD)运动症状的金标准药物,传统上用于证明PD动物模型的预测价值。本研究旨在探讨常规利血平PD模型的改良方案——啮齿类动物重复低剂量利血平给药的预测效度,该方案可促进僵住症、空嚼行为测试中的进行性运动损伤及神经化学缺陷。具体
来源:Experimental Brain Research
时间:2026-05-13
-
知晓越早,行动越顺:单人及双人杂耍中的预期控制
拦截移动物体需要手与物体在轨迹上的特定点接触。手部运动可提前规划,使手在正确的时间点沿轨迹到达拦截位置。为实现此类预期行为,物体的轨迹可基于运动规划完成前收集的感官信息进行预测。早期完成规划将允许平滑且经济的运动;然而,这也要求关于物体运动的足够准确的信息更早
来源:Experimental Brain Research
时间:2026-05-13
-
一种利用深度集成学习进行微生物检测的新型混合方法
摘要微生物在医疗保健、临床微生物学、生物技术和环境健康领域发挥着至关重要的作用,因此对其准确检测和分类至关重要。准确检测细菌有助于研究人员区分不同的微生物并根据相关需求对它们进行分类。基于深度学习的模型的最新进展提高了基于图像的微生物分析的准确性和效率。在这项研究中,我们提出了一
来源:BMC Microbiology
时间:2026-05-13
-
通过Scutellarin负载的Angiopep-2修饰乳汁外泌体,通过多种病理途径调节来增强缺血性中风的治疗效果
摘要缺血性中风是一种主要的脑血管疾病,具有较高的发病率和死亡率。然而,由于溶栓窗口狭窄、缺血-再灌注损伤以及药物难以穿过血脑屏障(BBB),有效的治疗方法仍然有限。由于缺血性中风涉及多种病理过程,包括氧化应激、炎症、线粒体功能障碍和小胶质细胞失调,因此迫切需要开发能够穿过血脑屏障
来源:Journal of Nanobiotechnology
时间:2026-05-13
-
产后颗粒物暴露以性别和基因型依赖的方式改变ApoE转基因小鼠的发育里程碑和脑基因表达
罗西奥·罗杜尔福-卡德纳斯(Rocío Rodulfo-Cárdenas)|胡迪特·比奥斯卡-布鲁尔(Judit Biosca-Brull)|塞福拉·巴贝拉-帕拉达(Séfora Barberà-Parada)|拉克尔·加瓦尔东-迪亚斯(Raquel Gabaldón-Díaz)
来源:NeuroToxicology
时间:2026-05-13
-
在排列对齐的神经网络之间进行线性插值时的二次效应
贝亚特丽克斯·本科(Beatrix Benkő)摘要在线性参数空间中进行权重插值已成为一种通用的技术,可用于规范深度神经网络及其他模型。该方法能够有效提升收敛速度,并通过平均操作支持模型融合;同时还可用于分析损失函数的变化情况,尤其是在研究极小值之间的模式关联性时。近期研究显示,
来源:Neural Networks
时间:2026-05-13
-
大型语言模型(LLMs)是否具备评估和生成简短笑话的能力?
明华唐摘要由于幽默具有主观性,因此在计算幽默领域,幽默的评估和生成仍然是一个具有挑战性的问题。尽管大型语言模型(LLMs)在各种创造性任务中表现出了强大的能力,但以往的研究主要集中在幽默的生成上——尤其是双关语的生成——而它们可靠地评估幽默以及生成结构化单行笑话的能力却尚未得到充
来源:Neural Networks
时间:2026-05-13
-
用于系统识别和模型预测控制的水库计算方法
Jan P. Williams | J. Nathan Kutz | Krithika Manohar摘要模型预测控制(MPC)广泛应用于复杂动态系统的实时控制,其工作原理是通过在不断延长的时间范围内重复求解优化问题来实现的。MPC的成功与否取决于动态模型的准确性以及它们是否足以
来源:Neural Networks
时间:2026-05-13
-
CogniSNN:实现脉冲神经网络中的神经元可扩展性、路径可重用性和动态配置性
黄永生|段佩波|吴宇杰|孙凯|刘志鹏|张长胜|张斌|徐明坤摘要脉冲神经网络(SNNs)在连接人工智能和计算神经科学方面具有巨大潜力。然而,主流的SNNs主要采用人工神经网络(ANNs)的刚性、链式架构,忽略了其关键的结构特性。生物神经元以随机方式相互连接,形成了复杂的神经通路,这
来源:Neural Networks
时间:2026-05-13
-
C2F-LGNet:一种结合局部-全局差异建模的粗粒度到细粒度框架,用于交通流量预测
刘文正|李洪涛|张海娜|孙少龙|谢五志|贾晓燕摘要城市交通预测对于智能交通系统至关重要,因为它有助于缓解交通拥堵、进行交通管理以及制定高效的城市出行规划。然而,准确的预测仍然具有挑战性,因为现有的时空模型通常依赖于离散时间公式,这些公式不足以同时描述从局部到全局的交通演变过程。此
来源:Neural Networks
时间:2026-05-13