补肾健脑方对血管性痴呆大鼠皮质和海马脑血流量及乙酰胆碱含量的影响

目的研究补肾健脑方对血管性痴呆(VD)大鼠学习记忆、局部脑血流量、乙酰胆碱(ACh)含量及CA1区神经元形态学改变的影响,探讨其治疗VD的可能机制。方法双侧颈总动脉永久结扎法(2-VO)制备大鼠慢性脑缺血致VD动物模型,造模完成后,随机分为6组。分别用蒸馏水、多奈哌齐混悬液以及不同浓度补肾健脑方灌胃,30 d后水迷宫实验测定大鼠学习记忆能力,放射性测量脑血流量,比色法测定ACh含量,HE染色观察神经元形态学改变。结果与模型组相比,补肾健脑方能提高VD大鼠的学习记忆能力,改善皮质和海马脑血流量,提高ACh含量,与多奈哌齐组相比未见统计学差异。结论补肾健脑方改善VD大鼠的学习记忆能力的作用机制可能是通过增加皮质和海马的脑血流量,增加皮质和海马ACh含量而发挥作用的。     

认知主义学习动机理论对高职日语教学的启示

学习动机理论在第二语言习得中被认为是影响语言学习者学习成败的关键因素之一。文章从学习动机的视点出发,注重分析了认知主义学习动机理论,并从丰富教学内容、培养学生跨文化思维方式、纠正学生的不良学习动机等方面探讨了在日语教学中应如何运用这一理论更好的为日语教学服务。     

不同教学模式对非英语专业词汇学习效果的影响

文中依据展开理论和合作学习理论,通过比较两种不同的呈现模式--老师举例讲解教授词汇与学生小组内互助学习词汇,研究词汇学习的差异.笔者首先分析相关数据,以确定参加测试的两个班的英语水平没有显著差异.在实验中,每个班的学生按照上述不同的呈现方式中的一种,学习经过预测挑选出来的词汇,然后他们分别接受两次测试,测试结果通过SP...     

基于双延迟深度确定性策略梯度的船舶自主避碰方法

为满足智能船舶自主航行的发展需求,解决基于强化学习的船舶避碰决策方法存在的学习效率低、泛化能力弱以及复杂会遇场景下鲁棒性差等问题,针对船舶避碰决策信息的高维性和动作的连续性等特点,考虑决策的合理性和实时性,研究了基于双延迟深度确定性策略梯度（TD3）的船舶自主避碰方法。根据船舶间相对运动信息与碰撞危险信息,从全局角度构建具有连续多时刻目标船信息的状态空间;依据船舶操纵性设计连续决策动作空间;综合考虑目标导向、航向保持、碰撞危险、《1972年国际海上避碰规则》（COLREGs）和良好船艺等因素,设计船舶运动的奖励函数;基于TD3算法,根据状态空间结构,结合长短期记忆（LSTM）网络和一维卷积网络,利用Actor-Critic结构设计船舶自主避碰网络模型,利用双价值网络学习、目标策略平滑以及策略网络延迟更新等方式稳定网络训练,利用跳帧以及批量大小和迭代更新次数动态增大等方式加速网络训练;为解决模型泛化能力弱的问题,提出基于TD3的船舶随机会遇场景训练流程,实现自主避碰模型应用的多场景迁移。运用训练得到的船舶自主避碰模型进行仿真验证,并与改进人工势场（APF）算法进行比较,结果表明:所提方法学习效率高,收敛快速平稳;训练得到的自主避碰模型在2船和多船会遇场景下均能使船舶在安全距离上驶过,并且在复杂会遇场景中比改进APF算法避碰成功率高,避让2~4艘目标船时成功率高达99.233%,5~7艘目标船时成功率97.600%,8~10艘目标船时成功率94.166%;所提方法能有效应对来船的不协调行动,避碰实时性高,决策安全合理,航向变化快速平稳、震荡少、避碰路径光滑,比改进APF方法性能更强。      

基于深度主动学习的MVB网络故障诊断方法

多功能车辆总线MVB （multiple vehicle bus）用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法. 该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型. 实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2 800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.      

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

当前交通肇事犯罪的现状及预防

一、交通肇事犯罪案件多发、高发的主要原因(一)驾驶人员驾驶技术不过关。当前驾校对驾驶员培训,一般是一个月学习理论,一个月学习驾驶,两个月就培养出一批驾驶员。其至有的驾驶员没有经过培训,就驾车上路行驶。驾驶员技术基础不牢,经验不足,因此遇到特殊情况手忙脚乱,采取措施不当,导致事故发生。     

银川公交有效开展“堡垒”“先锋”工程活动迎来学习观摩团

2013年11月22日下午，由银川市委组织部组织的银川市“堡垒”“先锋”工程观摩团，来到银川公交运营三分公司党支部，对其“亮牌评星争先锋”等党建工作进行观摩调研。观摩团由市委常委、组织部部长周云峰带队，市国资委、市公安局等三区两县三十多家县处级单位党委、党组书记组成。银川市交通运输局党委书记、局长陈志文，副局长、公司经理柯念国，公司党委书记、副经理徐建峰等领导陪同观摩调研。     

基于网络的高职英语自主学习多模态环境构建

本文探讨了在网络技术不断发展的背景下,如何建立网络的多模态环境,从多个方面给予高职学生不同的学习体验,以提高高职英语自主学习的效果,最后提出了一种基于网络多模态英语自主学习模型。