双相障碍患者肠道菌群相对丰度与临床症状及认知功能的相关性

目的研究双相障碍患者肠道菌群的相对丰度与临床症状及认知功能之间的相关性。方法共纳入双相障碍患者27例(病例组),其中躁狂发作相17例(躁狂组),抑郁发作相10例(抑郁组);健康对照组23例(对照组)。使用MATRICS共识认知成套测验(MCCB)评估各组间的认知功能,应用16SrRNA测序技术获得组间肠道菌群多样性,分析肠道菌群相对丰度与临床症状及认知功能的相关性。结果①认知功能:病例组和躁狂组在符号编码及迷宫测验上的得分均较对照组降低(P<0.05);病例组在霍普金斯词语学习上的得分较对照组降低(P<0.05);抑郁组在霍普金斯词语学习上的得分较对照组(P<0.01)和躁狂组(P<0.05)降低。②肠道菌群相对丰度与临床症状及认知功能的相关性:拟杆菌属-普通拟杆菌种的相对丰度与年龄呈正相关(r=0.40,P<0.01);双歧杆菌种的相对丰度与杨氏躁狂量表(YMRS)总分呈负相关(r=-0.53,P<0.05);双歧杆菌属的相对丰度与蒙哥马利抑郁量表(MADRS)总分(r=-0.70,P<0.05)及心境恶劣因子分(r=-0.64,P<0.05)呈负相关,志贺菌属的相对丰度与MADRS的抑制因子分呈负相关(r=-0.66,P<0.05);大肠埃希氏菌菌种的相对丰度与MADRS抑制因子分呈负相关(r=-0.66,P<0.05)。躁狂组双歧杆菌种的相对丰度与认知功能呈负相关(P<0.05)。抑郁组双歧杆菌种、大肠埃希氏菌种及志贺菌属的相对丰度与认知功能相关呈负相关(P<0.05)。结论双相障碍急性发作期患者存在认知功能损害及肠道菌群多样性变化,菌群相对丰度的变化与疾病的严重程度及认知功能相关。     

高职高专英语词汇记忆教学思路的探讨

作为一名高职高专英语教师,正面临着社会及时代对人才更高更苛刻的要求,同时又面临高职高专学生英语水平偏低,学习兴趣不浓的尴尬现状。如何改变这一局面,培养出符合时代和社会要求的实用型人才,是落在教育者肩上的光荣而艰巨的任务。笔者针对高职高专大学英语教学,尤其是公共英语教学导向提出了自己的建议。     

影响企业技术进步的核心障碍分析

技术进步是企业在市场竞争中取胜的关键。企业作为市场竞争的微观主体,在技术进步中应发挥主要作用,但我国企业作为技术创新主体的地位还远没有培育起来。本文对影响企业技术进步的一些制度、体制上的障碍和内在因素进行了分析。     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

记忆和历史的碎片(上)

所谓“当事者迷,旁观者清”。当历史浙渐远去的时候,我们往往会在幽暗中发现一丝丝的光明,而发现这一丝丝光明的最大意义不在于发现本身,而在于它对未来的价值。当21世纪初的中国日益走向强大的时候,当我们的海军开始逐步迈向远洋的时候,人们不知不觉中会将人民海军的壮大与当年苏联红海军的崛起联系起来。中国和当年的苏联都是社会主义国家,都与西方强国尤其是资本主义的超级大国美国存在着这样或那样的矛盾,都曾经走过从“空、潜、快”的近岸防御迈向“绿水”甚至“蓝水”的道路。因此,我们有必要将两个国家的海洋战略与海军作战系统作一番简单的比较,以期从先行者幽暗的历史中发掘出一丝光明,以照亮后来者的脚步。[编者按]     

基于精确罚函数的无人艇航迹规划和自动避障算法

[目的]对于已知多个障碍物的局部水域,如何规划安全高效的无人艇(USV)运动航迹,是当前的研究热点.[方法]首先,采用简洁有效的圆形包络面和凸四边形包络面处理障碍物区域,并将避障问题转化为时间最优控制问题中的状态不等式约束;然后,利用控制参数化和时间尺度变换,将时间最优控制问题转化为最优参数选择问题;最后,对于由多个障...     

船员英语口语学习常见问题及解决途径

针对我国船员英语口语水平现状及船员英语口语学习中常见问题,结合教学实践加以分析,并提出相应的解决办法。     

基于ETC数据和A-BiLSTM神经网络的高速公路节假日短时交通流预测模型

电子不停车收费（electronic toll collection,ETC）门架系统为节假日高速公路短时交通流预测提供了数据支撑。针对节假日场景下高速公路交通流的非线性和复杂性特征,基于ETC门架数据研究了由注意力机制（attention）和双向长短期记忆（bidirectional long/short-term memory,BiLSTM）神经网络组成的Attention-BiLSTM(A-BiLSTM)组合模型。通过对ETC门架数据进行预处理,保证模型输入的可靠性;采用滑动窗口方法构建监督学习样本,提高模型学习效率。在模型中,使用BiLSTM神经网络,实现对交通流数据前向和后向时间依赖性特征的深入提取;引入注意力机制动态地权衡网络提取信息的重要程度,增强隐藏层特征的非线性表达能力;利用贝叶斯优化方法对模型进行超参数调优,提高模型的预测性能。采集大理-丽江高速公路白汉场至拉市镇的门架数据,处理成时间粒度为5,10,15 min的交通流数据进行模型验证。实验结果表明：(1)相比于自回归移动平均模型、支持向量机的预测结果,A-BiLSTM组合模型的均方根误差（root mean sq...     

多因素轨道交通客流量预测模型研究

针对传统预测模型只关注时间因素的不足,提出一种引入天气因素同时考虑日期属性的预测模型.首先通过显著性检验确定天气因素与客流量的相关程度,再采用灰色关联度分析(GRA)计算各天气因素与客流量的非线性关联度,逐步筛选关联度低的天气因素.每次筛选后利用双向长短期记忆(BiLSTM)神经网络进行预测,提出GRA-BiLSTM预...     

面向群体行驶场景的时空信息融合车辆轨迹预测

将车辆间时空交互信息融入卷积社会池化网络中,提出了一种面向群体行驶场景的有人驾驶车辆轨迹预测模型;使用长短时记忆(LSTM)网络预测群体车辆速度,基于此预测值计算群体车辆间的速度差;构造LSTM编码器捕捉群体车辆行驶轨迹的时间序列特征,设计卷积社会池化网络提取群体车辆间的空间依赖关系,使用LSTM解码器预测未来车辆各种动作的出现概率和相应轨迹,将具有最高出现概率的动作及其轨迹作为最终轨迹预测结果;使用真实轨迹数据集对所构建模型进行了参数标定和性能验证,测试了不同轨迹编解码与速度预测方法对模型性能的影响,确定了最优模型结构。计算结果表明：相较于历史速度,使用预测速度计算速度差作为模型输入可将均方根误差(RMSE)降低19.45%;相较于门控循环神经网络,使用LSTM进行速度预测可将RMSE降低4.91%;相较于原始卷积社会池化网络,所提出模型的轨迹预测误差在RMSE与负似然对数2个指标上分别降低了20.32%和21.04%,明显优于其他卷积社会池化网络变体;所提出模型与原始卷积社会池化网络计算耗时差距约3 ms,能够满足实时应用要求。