简介:研究了Hammerstein模型的辨识问题,并考虑了多输入多输出(MIMO)情况.提出一种混合神经网络辨识模型,该模型由一个多层前馈神经网络(MFNN)与一个线性神经网络(LNN)串联而成.给出了一个反向传播(BP)算法同步训练该混合神经网络的权值和阈值.仿真结果表明了该方法的有效性.
简介:摘要胰腺癌是一种恶性程度非常高的消化系统肿瘤,发病隐匿、早期诊断率低、进展快、预后差,胰腺癌的周围神经浸润(PNI)被认为是导致胰腺癌预后不良的重要因素。胰腺癌神经浸润模型可以在复杂的肿瘤微环境下模拟胰腺癌神经浸润的发生、发展过程,是研究胰腺癌PNI的分子机制、早期诊断和改良治疗方法的重要载体。PNI模型可以大致分为体内模型和体外模型,体内模型又可以分为异位模型和原位模型。近年来,在体外模型和体内模型基础上,又出现了基因工程小鼠模型、人源化肿瘤异种移植模型。文章分析了常用的胰腺癌神经浸润体外及体内模型的制备方法、临床用途和局限性。
简介:摘要目的通过建立小胶质细胞-神经元共培养系统,制备体外神经细胞炎症模型。方法选用小鼠BV-2小胶质细胞、NSC34运动神经元、HT-22海马神经元。实验Ⅰ 采用不同浓度LPS(10、100、500和1 000 ng/ml)刺激BV-2小胶质细胞,提取小胶质细胞培养上清液即条件培养基,分别培养两种神经元,采用CCK-8法选取导致神经元活力明显下降50%的LPS浓度用于Transwell共培养系统的建立。实验Ⅱ 将小胶质细胞接种于Transwell上室,神经元种于下室。采用随机数字表法分为2组(n=12):对照组和LPS组,小胶质细胞分别用细胞培养基、LPS培养或孵育6 h,随后更换新鲜培养基继续培养12 h,合并上、下室细胞继续培养。BV-2-NSC34 Transwell共培养系统共培养12 h,BV-2-HT-22 Transwell共培养系统共培养24 h。采用ELISA法检测神经元培养液IL-1β、IL-18浓度,采用流式细胞术检测神经元凋亡率,采用qRT-PCR检测神经元Bcl-2、Bax的mRNA表达,采用Western blot法检测神经元cleaved caspase-3、Bcl-2、Bax的表达。结果实验Ⅰ BV-2-NSC34 Transwell共培养系统中LPS刺激浓度为10 ng/ml,BV-2-HT-22 Transwell共培养系统中LPS刺激浓度为1 000 ng/ml。实验Ⅱ 与对照组比较,LPS组神经元培养液IL-1β和IL-18浓度、神经元凋亡率升高,Bax及其mRNA表达上调,Bcl-2及其mRNA表达下调,cleaved caspase-3表达上调(P<0.05或0.01)。结论通过条件培养基技术与Transwell共培养技术成功建立小胶质细胞-神经元共培养系统,为术后认知功能障碍相关神经细胞炎症模型的建立提供实验方案。
简介:摘要随着科学技术的发展与教育课程的改革,在线课程迅速兴起,受到全世界学习者的欢迎。但在线课程存在着不少的问题,如学习者的自我管理和自我激励能力不足师生交流缺乏等问题。如何有效的促进学习者开展高效的在线学习成为提高教育质量的关键。本文调查了其他研究者对在线学习活动设计的原则和构成要素,并依据行为投入影响因素,结合在线学习活动的相关理论构建行为投入视角下在线学习活动设计模型。该模型包括分析阶段、设计阶段、监控阶段以及展示阶段四个阶段,十四个构成要素。
简介:模型与建模是科学发展的重要元素,也是科学学习中不可或缺的认知与能力。模型认知即指基于模型的认知,包含两个基本层次:①基于科学模型的认知,即感受模型素材,识别组成要素及要素间的关系,通过模型理解事物及其变化的本质特征和规律,在使用模型过程中完成描述、解释现象,预测性质与变化等功能;②建构认知模型,在认识研究对象的本质特征、构成要素及其相互关系的基础上,建立认知模型,为解决复杂问题提供思考框架,形成解决问题的思路与方法。在生物学教学中,教师应该帮助学生树立模型意识、体会模型价值,以建模活动为载体提高学生的模型认知能力,提升学生的学科核心素养。
简介:目的利用BP神经网络的理论和算法,对COPD患者的历史数据进行分析,构建出COPD再入院患者的风险评估模型,通过对COPD再入院患者各相关因素的敏感度分析和疾病风险评估及分析,为BP神经网络建模在临床诊疗中的应用提供一定的参考,并为医疗资源的合理配置提供较为有效的解决方案。方法编写结构化查询语句,从HIS数据库抽取相关数据,导入Clementine11.1中,利用BP神经网络算法进行建模,预测结果用SPSS22.0进行模型的建模效果评估以及模型建模效果的假设检验。结果经过优化后的BP神经网络的拟合度为71.743%,预测准确度93.55%。在所有相关影响因素中,入院次数和入院状态对COPD患者的再入院风险度影响最大。在预测效果上,BP神经网络要优于传统的多元统计分析方法。