协同联想记忆分类器在车牌照检测与识别中的应用

从协同学角度出发,提出了一种协同联想记忆分类器(SAMC)的实现算法。为了验证SAMC算法的有效性,针对汽车车牌图像的识别系统,构建了一个基于SAMC的解决方案。实验结果表明,用SAMC实现算法来识别效果好,适合于对有噪声的车牌图像进行处理。该算法训练简单,联想能力强,对具有背景噪声和视角引起的图像畸变失真具有一定的抗干扰能力,识别结果令人满意。

小虫春秋:果蝇的视觉学习记忆与认知

视觉认知是脑科学领域中的重要研究方向,是揭示"脑是怎样工作的","物质的脑是如何产生精神的"的重要路径。近年来,科学家们以果蝇为模式生物,从基因-脑-行为-认知相结合的角度,系统性地开创了果蝇的视觉"认知"研究,如学习与记忆、注意、跨模态记忆、特征提取和泛化、两难抉择、抉择的神经环路等。即使果蝇这样相对简单的脑,在很多方面都展示了令人惊奇的"理性"行为。看来,那种认为只有某些独特的唯一的脑机制才能实现人类的理性的想法是不成立的。我们期待,在探索"智与愚"的神经生物基础方面,果蝇会对我们继续有所帮助。

基于极端评分行为的相似度计算

随着互联网技术的迅猛发展,互联网信息急剧增长,信息过载问题愈发凸显。面对海量的互联网信息,用户往往需要耗费大量的时间来搜索所需的信息或产品,而搜索的解往往受到制约。为解决信息过载问题,推荐系统应运而生。推荐系统根据用户的历史行为推测其需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户。作为推荐领域中一类重要的推荐方法,基于记忆的协同过滤方法通常依据用户或产品的近邻信息来构造评分预测函数,其核心在于准确度量用户或产品之间的相似度。传统的相似度量,如皮尔逊、余弦及秩相关系数等,通常只考虑了用户之间的线性关系;而启发式相似度如基于3个特殊因子的PIP相似度及其改进方法,则只刻画了用户之间的非线性关系。事实上,在推荐系统中,就用户之间的相似关系而言,仅用线性或是非线性函数来度量均是不准确的。为了更为精细地刻画用户之间的相似程度,文中提出了基于非线性函数的用户极端评分行为的相似程度度量指数,通过将该指数融入传统的线性相关系数,构造了一个考虑极端评分行为的新的相似度。为验证该方法的有效性,基于Ml(100k)和Ml-latest-small两个数据集,将其与传统相似度以及启发式相似度进行比较,结果显示基于极端评分行为相似度的协同过滤方法在MAE和RMSE指标上能够获得更好的表现。

论医学课堂记忆学习法

无论是中医学还是西医学,其科学都以浩繁的多门系统理论知识编排而成,并在近几十年来成倍地加快了更新速度.敏捷的记忆越来越成为竞争优秀医学生的关键所在;而持久且准确的记忆更是塑造临床亦或基础医学家的起码资本.因此,带着这些问题,让我们来认识一下记忆的机理与记忆的基本技巧.