基于分步相关成分分析的中药材质量鉴别神经元分类器

提出并构建了一种基于分步相关成分分析的神经元分类器 ( SCCA-HBP) ,并将其用于中药材质量模式分类 .通过从色谱分析所得到的高维数据集中分步提取分类相关成分 ,获取化学模式特征向量 ,使神经元分类器输入模式向量的维数降低 .此外 ,提出用带输出误差死区的混合 BP算法训练神经元分类器 ,提高了网络学习训练速度和分类准确性 .以 3 2个当归样品质量等级分类鉴别为例考察本方法 ,分类正确率为1 0 0 % ,优于 PCA-BP( 84.4% )和 SCCA-BP( 90 .6% )方法 ;且训练时间仅为 BP算法的 5 4.2 % .

多元统计在神经元分类中的应用

根据神经信息学数据库建立共同的标准,采用多元统计的方法研究神经元的分类问题,首先用L-Measure[1-2]软件计算出神经元形态指标值,由于每个指标包含4个统计值,本文按变易系数最大原则进行选取,接着用主成分分析缩减神经元指标为5个主成分指标,进行聚类分析,并比较形态分类与神经元按功能上的分类的差异,得出形态分类的效果比较理想,与神经元功能分类基本一致。

基于特征重构自愈残差网络的神经元形态分类

针对不同类别神经元之间的形态相似度高、类内区别性大,容易导致神经元分类准确率不高的问题,提出了一种基于特征重构自愈残差网络的神经元形态分类方法。针对传统卷积造成边缘像素弱化和填充策略带来新像素侵蚀特征的问题,在基础网络后端构建特征重构模块来保留重要的中心特征并过滤受损的边缘特征。利用自注意力权重模块和排序正则化损失方法增强对神经元形态特征的关注。自注意力权重模块为每个样本重新分配权重,以此捕获样本重要性进行加权损失;排序正则化模块则将这些权重按降序重新排序,分为高低2组权重,同时通过在2组平均权重之间强制执行边距进行正则化处理。所提方法在大鼠神经元形态数据集上进行实验,实现了较为优良的分类效果,在Img-raw、Img-resample和Img-XYalign数据集上进行十二分类的准确率分别达到了96.7%,86.94%,85.84%。与其他分类方法相比,所提方法具有更高的神经元形态分类准确率,相较于基础网络ResNet18,有效地提升了神经元形态分类准确率。

基于深度学习网络的神经元自适应投影分类方法

传统的基于几何形态的神经元分类方法依赖于神经元空间结构特征的提取与选择,会损失大量有用的神经元分类信息.应用自适应投影算法将三维神经元进行转换,不需要提取神经元的几何特征,提出了一种基于深度学习网络的神经元几何形态分类方法.该方法将原始神经元数据进行三维体素重建,经过自适应投影过程构成二维神经元图像数据,并构建了基于双卷积门限循环神经网络的深度学习模型对神经元进行分类.将该方法应用于三种神经元分类数据集,通过与基于特征提取的神经元分类方法相比,实验结果表明该方法具有更高的分类准确率和良好的适应能力.

基于模式识别与灰度共生矩阵的神经元图像分类

为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。

神经元模式分类器学习的进化计算算法

本文提出了一种用于神经元模式分类器学习的进化计算算法。该算法综合了非确定有限自动机和次群体的动态数据结构,可有效地完成神经网络模式分类器的结构学习,以获得最优的求解结果。该算法的有效性已由计算机仿真实验所证实,可被认为是一种很有发展前途的模式分类系统的机器学习算法。

径向基函数网络在神经元锋电位分类中的应用及改进

提出了一种改进的基于径向基函数网络的锋电位分类方法。针对传统的径向基函数网络对叠加锋电位信号识别准确率不高的问题,将分段加权的思想引入了这种网络,同时实现了锋电位的分类和完全叠加信号的分离,并且有效提高了完全叠加波的识别准确率。最后用多组不同信噪比的实验数据验证了该方法。

小肠肠肌神经丛的形态学和嗜银性研究——消化道神经支配研究之一

本文采用铺片银浸染法,显示出人小肠肠肌神经丛是由神经束(分初级、次级和三级束)和神经节(分大型、小型和节间神经节)组成。神经节细胞的形态不一,嗜银程度各异,共可分为三大类。1类神经细胞的核、核周质与突起均染现,依形态鉴别出Ⅰ—Ⅳ型(共9个亚型),其中有的亚型尚未见有文献报道。每一形态学亚型又包括有1—4种嗜银性不同的神经元。2类神经细胞的突起未染现,只显示核与核周质,依嗜银性的差异分为3种。3类神经细胞仅有核或核仁显现。神经细胞的嗜银性可能与细胞处于不同的发育期或不同的生理功能状态有关。本文就肠肌神经节细胞的分型原则,形态与功能意义,嗜银性及其与其它组化特性的关系进行了讨论。

神经元的形态分类和识别

对神经元特性的认识,最基本问题是神经元的分类.神经元的形态复杂多样,神经元的识别分类问题有相当的困难.对提供的参考数据进行统计分析,将其转化成对应每类神经元的空间形态的指标参数,然后对每个指标进行定性分析和对比分析,确定对各类型神经元细胞识别起关键作用的指标,利用层次分析法、图形截面、几何相似性等分析方法建立神经元的分类模型.分类模型能够将附录提供的神经元进行准确的分类.数据分析采用开源科学计算软件Scilab进行处理,运行环境为Scilab5.2,部分代码采用C#基于VS2008开发.

丘脑室旁核形态和功能研究进展

丘脑室旁核(PVT)为丘脑中线核团的重要组成部分,是多种行为的中继传导核团及整合中心,参与动物觉醒、摄食、成瘾、奖赏、恐惧记忆等多种行为的调节。PVT内主要分布着表达囊泡谷氨酸转运体-2(VGluT2)的谷氨酸能兴奋性神经元,却无γ-氨基丁酸(GABA)能抑制性神经元。基于PVT的复杂功能与其内神经元相对单一的兴奋性属性,有必要对PVT内兴奋性神经元进行分类。在本综述中,我们主要对PVT的形态及电生理特点、传入和传出联系、前后两段的形态和功能差异进行总结,并以纤维联系和神经化学性质作为分类标准对PVT的兴奋性神经元进行分类,以便为阐明PVT的复杂功能提供帮助。

基于图像边缘形态学分析的轴承质检方法

提出一种在工业零件质量检测环境中判断轴承质量的图像识别方法,使用滤波、图像增强和分割等工序对图像进行预处理。给出相对方向编码的概念,对二值图像的边缘进行平滑处理。提出一种新的边缘形态学分析的方法对二值化图像边界形态进行量化分析,并运用神经元网络分类器对图像进行分类。实验结果表明,该方法能达到较好的识别效果。

基于ZY-3遥感影像的不同地貌水边线提取方法

水边线的精确提取对于沿海地区的经济开发和海域的使用管理具有重要意义。以雷州半岛东北部为研究区域,利用2017年资源三号(ZY-3)卫星数据为数据源,基于不同海岸地貌特征为划分依据,运用阈值分割法、神经元网络分类法和面向对象法对多光谱数据的人工海岸、砂质海岸、淤泥质海岸和红树林海岸进行水边线提取。通过目视解译提取融合图像的海岸线为基线,将提取的水边线与基线进行定性、定量分析。研究结果表明,对于人工岸线,神经元网络分类法最优,均方根误差为6.4m;对于砂质岸线,阈值分割法最优,均方根误差为5.4m;对于淤泥质及红树林岸线,面向对象法最优,均方根误差分别为23.3m和15.2m。该研究对于不同岸线的提取具有重要的借鉴和指导意义。

“脑功能联结图谱与类脑智能研究”先导专项研究进展和展望

对大脑的认知是人类认识自然和自身的终极挑战,脑科学研究的核心是理解脑功能的结构及物质基础。中科院在2012年启动了战略性先导科技专项(B类)"脑功能联结图谱计划"(Mapping Brain Functional Connections;简称:脑联接图谱;MBFC,2012—2020),目标是对特定脑功能的神经联结通路和网络结构的解析及模拟。专项代表了脑科学研究的战略制高点,对揭示脑的工作原理、推动智能科学技术进步、增进人类身心健康等方面都具有十分重要的意义。专项设立以来,在感知觉神经环路发育和功能、视觉与本能恐惧行为的神经环路机制、情绪的神经环路编码机制、成瘾和抑郁症等脑疾病机理、意识的神经基础、基因编译技术及脑疾病的非人灵长类模型、神经元分类和功能分析技术及其应用、神经环路双色钙成像方法、神经环路结构与功能研究工具开发、深度神经网络芯片研制,以及资源库与平台建设等方面取得了一系列重要的科学发现和技术研发进展。我们将进一步按照专项十年规划,开展脑认知科学、类脑人工智能技术、脑疾病早期诊断及干预3个前沿领域的科学研究,以及相关新技术研发和脑科技资源库建设,发挥中科院在脑与认知基础研究和技术研发等领域的引领作用。