-
“空的状态”的重要性:使用稀疏示例的霍普菲尔德神经网络(The importance of being “empty”: Hopfield neural networks with diluted examples)
埃莱娜·阿利亚里 | 阿尔贝托·法切基 | 多梅尼科·卢永戈
罗马大学萨皮恩扎分校G.卡斯特尔努奥沃数学系,意大利罗马
摘要
我们研究了霍普菲尔德网络(Hopfield networks),其中神经元通过基于一组确定模式(真实值)的赫布耦合(Hebbian coup
来源:Neurocomputing
时间:2026-05-08
-
基于数据驱动的高通量体积分数估算方法——通过X射线衍射图谱实现
摘要
在高通量应用中,通过X射线衍射(XRD)进行晶体学分析通常受到长时间曝光和需要手动数据解释的限制。本研究提出了一种基于机器学习的新方法,该方法可以从XRD图案中估算体积分数,从而解决了这两个问题。该方法能够高效处理带有多色发射光谱的噪声XRD图案,并且每秒可以从数千个图案
来源:Advanced Intelligent Discovery
时间:2026-05-08
-
综述:运动进化的细胞基础:来自昆虫幼虫的见解
安妮卡·夏尔马 | 萨曼莎·斯旺克 | 伊丽莎白·S·赫克舍尔
芝加哥大学神经生物学委员会,美国伊利诺伊州芝加哥
动物通过多种多样的运动行为在其环境中移动,这些行为对它们的生存和成功至关重要。所有的运动,包括移动,都需要三个组成部分的协调运作:中枢神经系统(CNS)、周
来源:Current Opinion in Behavioral Sciences
时间:2026-05-08
-
机器人辅助步态训练可改善偏瘫患者的特定阶段 torque 产生能力、平衡能力以及运动功能恢复
Gökhan Özkoçak、Ecem Sorucu 和 Rocco Salvatore Calabrò
摘要
步态功能障碍是中风后常见的致残后果,通常与下肢扭矩生成能力下降和平衡能力减弱有关。机器人辅助步态训练(RAGT)已成为一种有前景的干预方法;然而,其在不同阶段的生物力学效应尚未得到全面探讨。本初步机制研究调查了Walkbot辅助步态训练对单侧偏瘫患者不同阶段下肢扭矩及临
-
用于髓鞘增强剂筛选和神经再生的仿生微纤维
摘要
再髓鞘形成需要少突胶质细胞过程精确地包裹轴突,这是恢复神经回路功能的关键步骤。然而,由于缺乏能够再现轴突几何形状和化学成分的定量系统,人们对髓鞘包裹的机制和药理学理解进展有限。在这里,我们展示了一个生物工程微纤维平台,该平台模拟了神经突起的结构和表面化学特性,使得能够对
来源:Cyborg and Bionic Systems
时间:2026-05-08
-
超越跳跃高度:特定阶段指标在篮球运动中监测疲劳的价值
摘要
通俗语言摘要
Palanisamy, AC, Ahluwalia, J, Bahrami, B, Randhawa, A, and Kobsar, D. 超越跳跃高度:篮球运动中用于监测疲
来源:The Journal of Strength & Conditioning Research
时间:2026-05-08
-
与高负荷抗阻训练相比,低负荷持续血流限制训练后神经肌肉功能的下降程度更低
摘要
通俗语言摘要
David等人研究了低负荷持续血流限制运动与高负荷抗阻运动对神经肌肉功能的影响。研究发现,与高负荷抗阻运动相比,低负荷持续血流限制运动对神经肌肉功能的损害较小。《力量与条件研
来源:The Journal of Strength & Conditioning Research
时间:2026-05-08
-
通过尖峰视觉变换器和改进的AA-LRSA注意力机制实现的高性能图像分类
作者:杨祖民(Zuomin Yang)、安尼斯·萨尔瓦·莫赫德·凯鲁丁(Anis Salwa Mohd Khairuddin)、黄睿茹(Wei Ru Wong)、黄俊超(Joon Huang Chuah)、哈菲兹·穆罕默德·法哈德·诺曼(Hafiz Muhammad Fahad
来源:Neurocomputing
时间:2026-05-08
-
一种用于开放教育资源(OER)电催化剂动力学预测的深度学习方法
摘要
在过去的几十年里,机器学习在电化学领域得到了越来越多的应用,但特征提取和数据稀缺等问题仍然存在。在这里,我们介绍了一种深度学习工作流程,该流程可以直接从电化学响应中预测氧演化反应(OER)的塔菲
来源:Journal of Chemometrics
时间:2026-05-08
-
自适应混合变异的无监督特征选择差分进化算法
随着大数据可用性的增长,在无标签的大规模数据集中识别相关信息变得日益重要。无监督特征选择(Unsupervised Feature Selection, UFS)方法无需依赖标签数据即可应对这一挑战,但由于缺乏标签,往往难以发现信息丰富的特征子集。为解决该局限
来源:Neurocomputing
时间:2026-05-08