传出神经系统论文（精选12篇）
传出神经系统论文 篇1
神经网络和模糊逻辑可以解决传统系统无可奈何的问题。这里, 我们将要介绍它们是如何工作, 并且使诸如高速图形处理这类的应用受益。
当控制领域的工程师们忙于从传统的电机和模拟控制转向融合了计算分析和决策算法的数字机电一体化控制系统的时候, 全新的计算机技术出现了, 它将引起更多的改变。神经网络和模糊逻辑已经开始应用, 而且也许很快就会给机器控制系统的设计的变成带来革命。
传统的计算机采用冯·诺依曼架构, 是基于串行的处理以及执行清晰的指令。人工神经网络 (ANNs) , 则与之不同, 采用非冯·诺依曼的架构, 由组合在庞大并行系统内部的非常简单的单元构成, 可以执行那些处理外界数据的认知模式所产生的不太清晰的指令。
类似的, 模糊逻辑也颠覆了传统的模式。信息不再要求被定义的精确可以量化和测量 (比如, 温度是23℃) , 模糊信息代表了对于那些定义的不太清楚而且有重叠的数集的隶属度 (比如, 比温暖还要冷一点) 。
定义
使用这些概念的计算机 (或者, 更准确的应该叫“推理机”) , 被证明可以解决传统系统无可奈何的问题。
根据维基百科的定义, 人工神经网络 (ANN) 是“一组相互关联的人工‘神经元’, 可以基于关联方法, 使用数学和计算模型进行信息处理”。
在大多数情况下, ANN就是一个可以根据流入网络的内部和外部信息进行改变的自适应系统。通常, ANN构建了输入和输出之间复杂关系的模型, 或者找到某种处理数据的模式, 而不是基于数值输入得到一个数值结果。
简单的节点 (可以叫做“神经元”、“神经节点”、“处理元素”或者“单元”) 连接在一起, 形成一个节点网络。它们的价值在于, 可以使改变网络连接强度和权重的推导函数具体化, 以得到理想的信号流。
最有意思的是学习的可能, 在实际中也就是优化一些数据, 这些数据通常被称为“成本”, 它们代表了在给定问题环境下结果的适应度。
人工神经网络结构
在这个人工神经网络的例子里, 变量包括:三维矢量h, 是输入变量x的因变量;二维矢变量g, 是h的因变量;最后的输出变量f, 则是g的因变量。
举个例子, 经典的旅行者问题的成本就是旅行者在每一个指定地点停留、最后回到起始点完成整个行程的时间。一个更短的行程就意味着一个更好的解。
为了解决这个问题, 冯·诺依曼架构的计算机必须要找出所有的可能路径, 然后一步一步的计算, 把时间累加起来得到一个路径的所需的总时间。在计算了所有可能路径需要的时间之后, 计算机才能挑选出所需最短的时间。
ANN则有所不同, 它并行的看待所有的路径, 去寻找所需时间最少的模式。应用这样的模式, 再去最小化结果路径。学习则是指, 确定那些经验显示可以产生最优路径的模式。
模糊逻辑 (也是根据维基百科的描述) 来自模糊集理论, 用以处理大概而不是精确的问题。模糊的信息实际上是对于那些未精确定义的数集的隶属度。模糊逻辑可以基于没有精确定义但是仍然十分重要的属性, 进行决策。模糊逻辑允许隶属度的值在0到1的闭区间内变化, 用于解释诸如“有一点”、“十分”、“非常”这样的概念。同时, 它也允许数集的部分隶属。
一个基本的应用在于描述连续变量的子域。举例来说, 一个防锁闸的温度测量可能包括多个隶属度函数, 用以定义合适闸控制的温度域。每一个函数都匹配相同的温度, 并且对应于0到1之间的一个真值, 这些真值可以用来确定闸应该如何进行控制。
图像处理
基于模糊逻辑使用ANN进行决策可以构造一个强大的控制系统。很显然这两个概念可以合作的很好:一个基于三个模糊状态 (比如冷、暖、热) 的推导算法, 可以使用真值 (0.8, 0.2, 0) 应用在实际当中, 并且作为输入分配给三个神经元, 每个又代表了三个集的其中之一。每个神经元可以施加给输入值一个函数, 然后得到一个输出值, 这个输出值还可以作为第二层神经元的输入, 依此类推。
举例来说, 虽然视频获取、光线和硬件设置都带来了大量的约束, 但是神经网络图形处理器仍然可以自由应用。因为神经网络允许你通过学习过往的例子来构建机器, 自由是可能的。因此, 可以训练网络来识别明暗光、散射以及其他条件下好的和坏的部分。推理机开始于“评估”光线情况 (换句话说, 就是把耦合值分配给不同的光线条件, 这些条件系统知道如何处理) , 然后基于这些光线条件应用准则来对图像内容做出判断。因为系统将光线条件当作模糊概念, 推理机很容易的就可以从已知条件中得到插值以应对新的情况。
系统学习的例子越多, 推理机的专家性就越强。它可以很轻松的通过预先将零件分类并注明相似和区别 (出于学习目的) , 来实现学习过程自动化。接下来, 这些已知的相似和区别可以为那些将新来的零件分到指定类别去的ANN提供信息。成功的关键也就从处理大量图像的设备成本, 为训练和建立一个稳健的推理机。
神经网络图像处理器也适用于依赖于操作员经验和阅历而不是模型和算法的场合。处理器可以根据操作员做的图像简单注解来建立识别机, 然后从识别对象中提取特征和属性矢量并把它们发送到神经网络。特征矢量对于虚拟对象的描述可以和原始像素值、光强分布直方图图、光强分布、相关轴向梯度一样简单。更高级的属性还包括来自小波和FFT转换的元素。
泛化
经过案例训练, 神经网络可以进行泛化, 并且对那些从未见过的情况进行分类, 把它们放在和之前所学的类似的情况下。另外一方面, 如果一个推理机的自由度过大, 出现过度泛化, 相对应的案例可以随时对其进行训练和修正。
站在神经网络的角度, 这样的操作可以降低现有神经元的影响, 从而适应那些同当前决策域相冲突的新案例。
ANN被接受的关键是无监督和自适应的学习能力, 这就意味着设备可以从对象学习, 而且几乎甚至完全不受操作员的影响。举个例子, 未来的玩偶有可能可以学习孩子的面部信息, 然后问孩子的名字。对于手机的无监督学习, 则可能学习第一个拥有者的指纹信息, 通过将面部、指纹和声音识别融合到同一台设备上, 来强化对拥有者的鉴别力。
模糊逻辑数据结构
在这张图中, 冷、暖和热是覆盖了整个温度范围的集。范围上的每个点有三个“真值”-分别对于三个集-数值表明了对于这个集的相对“耦合度”。对于每个显示出来的温度, 三个值 (0.8, 0.2, 0.0) 可以描述为“相当冷”、“有点暖和”和“一点也不热”。
在无监督学习的环境下, 设备必须建立自己的识别机, 才能在操作环境下达到最佳的工作状态。比如, 智能化的玩偶必须能够识别出它的第一个拥有者, 包括它的皮肤和头发的颜色, 以及购买的位置和季节。
起初, 识别机必须使用它知道的全部特征提取技术, 它会产生一系列子机, 每一个都可以识别相同范畴的对象, 但是要基于对不同特征的观察 (例如色彩、粒度、对比度、边缘密度等等) 。接下来, 整个识别机可以对自己进行评估, 选择那些可以提供最佳质量和/或准确度的子机。
案例:对鱼进行分类
Pisces VMK为岸上和离岸的用户制造用于加工鱼类的设备, 它的客户都是那些终年在北海和大西洋上捕鱼并进行加工的船只。这些用户希望尽快提高质量并且使用最少的人手。
通常, 渔夫们使用船上的渔网将鱼捞起, 然后把它们装袋、放在传送带上送到清洗、分割和切片机。在这个过程里, 异常的情况包括鱼的种类错误, 鱼被损坏, 每个袋子里有不止一条鱼, 以及在进入分割机之前鱼的摆放位置不合适。因为鱼的大小、形状都很难进行数学建模, 所以市场传统的图像处理工具很难进行相关的检测, 而且随着捕获位置和季节的不同, 刚才提到的那些特征还要发生改变。
Pisces安装了超过20套来自Matrox的基于Iris智能相机的系统以及General Vision生产的CogniSight识别机。照相机被安装在传送带上, 这样在鱼进入切片机之前就可以经过照相机。照相机同西门子Simatic S7-224 CPU可编程逻辑控制器 (PLC) 以及一个局域网 (LAN) 连接。闪光灯安装在紧邻照相机的位置, 每次一个新的袋子进入视野的时候闪光灯被触发。照相机连接局域网对于下面的三个操作是很有必要的:安装传感器以确保对焦准确、对比鲜明;训练识别机、连续生成关于鱼数量 (可接受和不可接受的) 的统计报告
只有在一种情况下安装传感器:当照相机带有防水外壳的时候。训练开始每一次新的航行的开始, 第一批被捕获的鱼可以当作学习案例, 或者也可以使用已经存在的知识文件。
一旦照相机有了一个知识库, 它就可以自动识别鱼了, 而不需要连接PC。ANN将鱼分成接受、拒绝、回收以及空载等几大类, 信号传给PLC, 它控制两柄毛刷将合适的鱼送到拒绝或者回收箱里。PLC也可以同一个磁性传感器连接, 这种传感器可以在每次检测到袋子经过照相机时生成一个获取触发信号。
Pisces现在已经在挪威、冰岛、苏格兰和丹麦的五个船队上安装了超过20套系统, 每个系统可以每分钟检测360个传送中的袋子, 甚至还可以更快。使用80个神经元的系统, 为16吨鱼进行分类, 准确性可以达到98%。渔夫们非常喜欢它, 因为它的可靠性、柔性以及使用的简单。它的好处包括缩短了航行、提高了捕获质量和收入, 并且减少了人手。
在离散制造的环境下, 神经网络已经应用在交通工具控制、雷达系统模式识别、面部辨认、对象识别、笔迹及演讲姿势识别等诸多方面。
模糊逻辑也已经应用于控制汽车和其他交通子系统, 诸如ABS、巡航控制、空调、照相机、数字图像处理、视频游戏人工智能, 以及远程传感系统的模式识别。
这些“软计算”技术也已经用来制造用于呼吸机的可靠的电磁充电器。在连续和批处理工业里, 模糊逻辑和神经网络是一些自整定控制器的心脏, 一些微控制器和微处理器甚至也使用模糊逻辑处理进行优化, 这样系统才可以运行的更快 (见前面的“实时控制的模糊逻辑”) 。
摘要：神经网络和模糊逻辑可以解决传统系统无可奈何的问题。这里, 我们将要介绍它们是如何工作, 并且使诸如高速图形处理这类的应用受益。
传出神经系统论文 篇2
◆ 教学目标
1．明确神经系统的组成、功能和基本结构
2．掌握神经系统有关常用术语：灰质、皮质、核团、神经节、白质、神经纤维和网状结构 3．认识脑和脊髓的外部形态和内部基本结构
4．了解外周神经的组成、性质和分布规侓以及脑神经的名称、性质、与脑相连的部分和分布，特别是内脏神经（植物性神经）的概念、组成、特点和分布。◆ 教学内容
§1.概述：
一.组成：中枢神经：由运动神经元胞体和中间神经元组成。包括脑和脊髓。
外周神经：由感觉神经元和运动神经纤维组成。包括脑神经和脊神经。（或分为躯体神经和内脏神经）
二.功能：（1）调节机体与外界环境之间的统一；
（2）调节机体各个器官的活动，并保持之间的平衡。
三.基本概念
1.神经元：即神经细胞，是神经系统结构和功能的基本单位。（1）组成：胞体和突起（树突、轴突）。（2）分类：假单极神经元（感觉、传入神经元）。
双极神经元（联络、中间神经原。多极神经元（运动、传出神经元）。
2.神经胶质细胞：对神经元起支持、营养、保护、修复和形成髓鞘的作用，并对突触的形成有重要作用。3.反射弧：是机体对内、外刺激所做的应答，是一种生理现象。包括五个环节：感受器→感觉神经元→中间神经元→运动神经元→效应器。4.常用术语：
(1)灰质：中枢神经系统中，神经元和树突集中的地方。位于脊髓内部的灰质称脊髓灰质。(2)皮质：位于脑表面的灰质，称皮质。（有大脑皮质、小脑皮质）。
(3)白质：在中枢神经系统中，神经纤维集中的地方。分别位于脊髓和脑干的周围，大脑和小脑的内部。(4)神经核（团）：位于中枢神经系统内（主要是脑），形态和功能相似的灰质团块。
(5)神经节：位于外周神经系统中，由神经元胞体聚集而成，如脑神经节、脊神经节、植物性神经节。(6)神经纤维：由神经元的突起（主要是轴突）构成，分有髓神经纤维和无髓神经纤维。(7)神经：由周围神经系统内的神经纤维聚集而成。
(8)网状结构：中枢神经系统内，由灰质和白质相混合交错形成，是分散的神经元胞体位于神经纤维的网眼内，主要在脑干和脊髓。在发生上相当古老，与呼吸、心跳等基本生命活动有关。(9)神经束：位于脑和脊髓内，由行程和功能基本相同的神经纤维组成。
§2.中枢神经 一.脊髓：
1.位置：位于椎管内，前在枕骨大孔处与脑相连，后以脊髓圆锥终止于荐部椎管的中部，向后延续为终丝。2.形态特点：
(1)呈上下稍扁的圆柱状，有颈膨大和腰膨大。
(2)分颈、胸、腰、荐、尾五段，比椎管短，只达荐部椎管的中部。
(3)形成脊髓圆锥、终丝和马尾：脊髓经腰膨大后逐渐缩细形成圆锥状结构称脊髓圆锥；最后形成一根来自软膜的细丝，外包硬膜，附着于尾椎背侧，称为终丝，有固定脊髓的作用；脊髓圆锥和终丝周围被荐尾神经包围，此结构总称为马尾。
(4)背正中沟与腹正中裂：(5)背外侧沟与腹外侧沟： 3.内部构造：
(1)灰质：位于脊髓中央管周围，呈蝶形。
① 脊髓中央管周围灰质形成灰质连合。
② 背角（柱）主要由中间神经元胞体构成，其基部外侧有网状结构。③ 腹角（柱）主要由运动神经元胞体构成。
④ 外侧角（柱）位于胸腰段脊髓腹侧柱基部的外侧，主要由交感神经节前神经元胞体构成。(2)白质：位于灰质周围。
①背侧索：传导本体感觉。②腹侧索：传导运动。
③外侧索：浅部传导感觉，深部传导运动。
4.脊膜：脊硬膜、蛛网膜、脊软膜。脊硬膜与椎管之间构成硬膜外腔，较宽，内有静脉、脂肪和脊神经通过。脊硬膜与蛛网膜之间构成硬膜下腔，较狭窄，内含淋巴液。脊软膜与蛛网膜之间构成蛛网膜下腔，较大，内含脑脊髓液。
二.脑：
包括大脑、小脑、脑干（又包括间脑、中脑、脑桥和延髓）(一)脑干 1.延髓：
（1）背面： ① 闭合部
② 开放部：形成菱形窝，为第四脑室的底后部。（2）腹面：
① 斜方体
② 锥体：由大脑皮质发出的运动纤维束（锥体束）构成。③ 锥体交叉
（3）内有6-12对脑神经核；还有前庭核、薄束核、楔束核、兰斑核、网状结构。（4）机能：生命中枢所在地（呼吸、心跳、唾液分泌、吞咽、呕吐等）。2.脑桥：
(1)背侧：前端有小脑前脚，连系小脑和中脑。(2)腹侧：
① 被盖：内有第5对脑神经核、中继核、网状结构等。
② 基底部：横行纤维形成小脑中脚，纵行纤维为大脑皮质至延髓和脊髓的锥体束。3.中脑：
(1)四叠体（顶盖）：包括前丘和后丘各一对，分别与视觉和听觉有关。(2)中脑导水管；
(3)大脑脚:包括被盖和大脑脚底，内有红核、黑质、3、4对脑神经核。
4.间脑：
(1)丘脑：内侧膝状体（与听觉有关），外侧膝状体（与视觉有关）。
(2)下丘脑：包括视交叉、灰结节、乳头体。灰结节中央称漏斗，下部连着垂体。
(3)第三脑室：围绕丘脑间粘合的环状裂隙，腹侧有漏斗形凹陷，后接中脑导水管。前以一对室间孔与侧脑室相通，背侧壁有第三脑室脉络丛（向前与侧脑室脉络丛相连）。
（二）小脑：位于延髓和脑桥的背侧、大脑的后部，略呈球形。
1.结构：
（1）外部：小脑蚓部和小脑半球。（2）内部：皮质和髓树。
2.小脑三对脚：前脚（结合臂），中脚（桥臂）、后脚（绳状体）。
（三）大脑：
1.大脑半球：
(1)皮质（皮层）：额叶（运动）、顶叶（感觉）、枕叶（视觉）、颞叶（听觉）。(2)白质
(3)基底核：又称纹状体，位于大脑基底部，间脑的前方，灰白相间，包括尾状核、内囊、豆状核。2.胼胝体：连接两侧大脑半球的横行纤维。
3.侧脑室：底壁为胼胝体，内侧壁为透明隔，底壁为基底核和海马。4.脑膜：硬膜（形成大脑镰和小脑幕）、蛛网膜、软膜（随沟回起伏）。5.嗅脑：包括嗅球，嗅束，嗅内、外侧束，嗅三角、梨状叶、海马。
边缘系统：包括海马、梨状叶、基底核、杏仁核、中脑被盖、丘脑前核等在功能和结构上密切联系，合成一功能系统，称为边缘系统。与情绪变化、记忆和内脏活动有关。
§
3、周围神经（简称神经）
周围神经借神经根与中枢神经相联系。神经根有两类：感觉根和运动根。
1.根据功能性质分为：感觉神经（传入神经）；运动神经（传出神经）；混合神经。2.根据分布不同分为：躯体神经；内脏神经（植物性神经）。3.根据发出部位不同分为：脑神经；脊神经。4.躯体神经包含脑神经和脊神经；内脏神经也包含脑神经和脊神经。5.内脏神经按功能又分为交感神经和副交感神经。
一、躯体神经：
（一）脊神经：
1.来源：脊神经背侧根与腹侧根在椎间孔附近汇合成脊神经（为混合神经），走出椎间孔即分为背侧支和腹侧支。
2.脊神经节：在椎间孔附近，位于脊神经的背根上，由感觉神经元胞体集中而成结节状。3.分段：脊神经按部位分为颈、胸、腰、荐、尾五段。（1）颈神经：
①膈神经：由5、6、7颈神经的腹侧支组成，穿过胸前口入胸腔，沿纵隔向后伸延至膈，为膈的运动神经。
②臂神经丛：由6、7、8颈神经腹侧支和1、2胸神经腹侧支混合组成，位于肩关节内侧，支配前肢。其主要分支有：肩胛上神经、肩胛下神经、腋神经、胸肌神经、桡神经、尺神经、正中神经、肌皮神经。（2）胸神经：
①肋间神经：由胸神经腹侧支组成，位于肋间隙，沿肋骨后缘向下伸延，与同名血管并行。分布于肋间肌、腹肌、胸壁肌肉和皮肤。
②最后肋间神经：分布于腹壁肌肉和皮肤。（3）腰神经：
①第1腰神经腹侧支形成髂下腹神经，第2腰神经腹侧支形成髂腹股沟神经，第2、3、4腰神经腹侧支形成生殖股神经，第3、4腰神经腹侧支形成股外侧皮神经。
②腰荐神经丛：由4、5、6腰神经和1、2荐神经腹侧支组成，位于腰荐部腹侧，支配后肢。主要分支有：股神经（其分支有隐N）、闭孔神经、坐骨神经（其分支有腓总N：又分出小腿外侧皮N、腓浅N、腓深N；胫N：又分出足底内侧N、足底外侧N）、臀前神经、臀后神经。（4）荐神经：
①阴部神经：由2、3、4荐神经腹侧支形成。
②直肠后神经：由3、4荐神经（牛为4、5荐神经）腹侧支形成。
（二）脑神经：12对
一嗅 二视 三动眼, 四滑 五叉 六外展, 七面 八听 九舌咽, 十迷 又副 舌下完。
其中一、二、八为感觉神经；五、七、九、十为混合神经；其余为运动神经。（发出部位及分布见书上的列表。）
二、植物性神经：
（一）定义：分布到内脏器官、皮肤、血管的平滑肌以及心肌、腺体等处的神经，称为植物性神经、又称内脏神经、自主神经。
（二）特征：与躯体神经在形态结构及功能上的区别。
内脏神经
躯体神经
───────────────────────────────────────
1、分布
神经元数目平滑肌、心肌、腺体
骨骼肌
为较粗的有髓神经纤维。受意识支配，无自主性。非双重支配
2、从中枢到效应器的 2（节前神经元和节后神经元）
3、神经纤维的特点 较细，节前纤维有髓，节后纤维无髓。
4、有无自主性
5、对效应器的支配 有相对自主性
有交感和副交感神经的双重支配
─────────────────────────────────────── 注：①节前神经元：胞体位于脑赶和脊髓，发出的纤维称为节前纤维。
②节后神经元：胞体位于植物性神经节（包括椎旁神经节、椎下神经节、终末神经节），发出的纤维称为节后神经纤维。
（三）交感神经
1.来源及去向：
（1）节前神经元胞体：位于胸腰段脊髓灰质外侧角内。
（2）节前神经纤维的去向（有三个）：止于本节段椎旁神经节；沿交感干伸延、止于前或后节段椎旁神经节；止于椎下神经节。
（3）节后神经元胞体：位于椎旁神经节、椎下神经节。（4）节后神经纤维的去向：
①椎旁神经节发出的节后纤维→直接到效应器
或随脊神经的分布而分布（灰交通支：交感干→脊神经；白交通支：脊神经→交感干）。②椎下神经节发出的节后纤维→直接到效应器。
2.交感干：位于脊柱的腹外侧，左右成对，自寰椎向后伸至尾部，呈串珠样，分颈、胸、腰、荐、尾五段，有灰白交通支与脑脊神经相连。即交感干=交感神经节（椎旁神经节）+节间支。
(1)颈部：称迷交干。
有三个神经节: ① 颈前神经节：发出节后纤维，分布于唾液腺、泪腺、汗腺及头部血管。② 颈中神经节：分布于主动脉、心脏、食管及气管。
③ 颈后神经节：与1、2胸神经节合并成星状神经节，位于胸前口，发出椎神经、至臂神经丛、心支（参与构成心神经丛，分布于心、肺）。
（2）胸部：每一节有一个椎神经节，均有灰白交通支与脊神经相连。
① 星状神经节最明显。
② 发出内脏大神经和内脏小神经，穿过膈脚入腹腔，连于腹腔肠系膜前神经节。③ 内脏支：至主动脉、食管、气管，并参与心肺神经丛。（3）腰部：有2-5个腰神经节。
④ 腰内脏支：连于肠系膜后神经节。
⑤ 腹腔肠系膜前神经节：由两个腹腔神经节和一个肠系膜前神经节组成，连于内脏大小神经的纤维。
⑥ 肠系膜后神经节：连接腰内脏神经和腹腔肠系膜前神经节的节间支构成肠系膜后神经丛。⑦ 腹下神经：一对，由肠系膜后神经节发出，参与盆神经丛的构成。
（4）荐尾部：节后神经纤维组成灰交通支，连于荐神经和尾神经，有三个神经节，前部较大，后部较 小，参与构成盆神经节。
（四）副交感神经
1.中枢部位：节前神经元胞体位于脑赶和荐部脊髓灰质侧柱内，分颅部和荐部。
2.分布：节后神经元胞体位于终末神经节内，即在所支配的器官内或附近，故节后纤维短。
（1）颅部的副交感神经：伴随3、7、9、10脑神经走出。
通常说的迷走神经：为混合神经，包括躯体神经（第10对脑神经）和副交感神经。其走向为：迷走神经经破裂孔出颅腔，分颈、胸、腹三段，颈段与交感神经合并成迷走交感干，沿颈总动脉的背侧缘向后伸延，入胸腔纵隔，绕过主动脉弓返回的一支称喉返神经，主干继续前行，在支气管背侧分为食管背侧支和腹侧支，左右迷走神经的食管背侧支、腹侧支分别合成迷走背侧干、腹侧干，穿过膈的食管裂孔入腹腔支 配内脏。其分支如下：
① 咽支：到咽、食管前段。② 喉前神经：到咽、喉、食管前段。
③ 喉反神经；到喉的喉半部、声带、食管、气管。④ 心支、肺支：参与构成心、肺神经丛。
⑤ 食管背侧干、腹侧干：到胃、肠，背侧干还参与构成腹腔肠系膜前神经丛。注：前三个分支属躯体神经。（2）荐部的副交感神经：
① ② ③
【思考题】
神经系统的怀旧 篇3
当我20多岁，还在努力拼搏的时候，就注意到一个奇怪的现象：我在青少年时期喜欢过的音乐对我意味着更多，远胜于其他时期。在这之后的每一年，收音机里播放的那些新歌听上去都像闹哄哄的废话。我知道，客观地讲，这是没有道理的。我不能严肃地断言卢达·克里斯（格莱美奖得主，近几年最为出色的美国南方说唱歌手兼唱片制作人之一，美国著名黑人演员，曾参演《速度与激情》系列电影——译者注）的“Rollout”在艺术上优于凯蒂·佩里（美国著名创作型流行歌手，绰号“水果姐”——译者注）的“Roar”，但是前一首歌的每一秒我都视若珍宝，而后一首歌对我来说简直味同嚼蜡，让我排斥。我听到2013年的十大金曲就会头疼，我听到2003年的十大金曲会觉得很高兴。
为什么我会认为我在青少年时期听的歌比成年后听的任何歌都动听呢？我很高兴地告诉大家，作为一个乐评人，我那失败的音乐鉴赏力，也并非完全一无是处。近年来，心理学家和神经系统科学家已经证实，那些歌曲在我们的情感之中所占的比例完全不同。研究者已经发现了支持这一观点的证据，那就是与成年后听到的歌曲相比，我们的大脑会将我们与青少年时期听过的歌曲更加牢固地绑定在一起——而且这种绑定不会因为年龄的增长而减弱。也就是说，对音乐的怀旧，不仅仅是一种文化现象，还是一种神经元的指令。无论我们的品味在其他方面变得多么世故，我们的大脑还是会滞留在那些青春期曾经痴迷过的歌曲里。
要理解我们为什么会对某些特定的歌曲钟爱有加，就应该先了解通常情况下大脑与音乐之间的联系。当我们第一次听到某一首歌时，它会刺激我们的听觉皮层，将节奏、旋律以及和声转变为一个连贯的整体。从这里开始，我们对音乐的反应就取决于我们与音乐之间是如何相互作用的了。当你在脑海里跟着一起唱时，会激活你的运动前区皮层，而运动前区皮层会帮助规划和协调你的运动。当你随着一首歌曲起舞时，你的神经元会跟上音乐的节拍。当你全神贯注于歌词和配乐时，会激活你的顶叶皮层，而顶叶皮层会帮助你在不同的刺激间来回转换并保持注意力。当听到一首能触发个人记忆的歌曲时，你的脑前额叶外皮会立刻活跃起来，而脑前额叶外皮是维护有关你的私人生活和人际关系信息的。
但是，没有情感的记忆是毫无意义的，除了爱情和毒品，世间万物都不能像音乐那样激发人类的情绪反应。脑成像研究表明，我们最喜爱的歌曲会刺激大脑的快感回路，而快感回路则释放出大量的多巴胺、5-羟色胺、催产素，以及其他影响神经系统、使我们感到愉悦的化学物质。我们越喜爱一首歌曲，就越能体会到这些影响神经系统的化学物质带来的快感，这些神经递质淹没了我们的大脑，在某种程度上，与吸食可卡因所追求的神经递质是一样的。
音乐点亮了每个人身体里神经活动的火花。但在年轻人的身体里，这个火花最终变成了一场烟花表演。在12岁至22岁，我们的大脑正在进行着快速的神经发育，在这10年里，我们喜爱的音乐似乎与我们的脑叶永久地连在了一起。当我们与一首歌建立起神经连接后，便会创造一种强烈的记忆痕迹，而记忆痕迹承载着强烈的情感，这种情感在一定程度上归功于青春期过度分泌的生长激素。这些激素告诉我们的大脑，“每件事”都无比重要，尤其是那些在我们的青春梦想（或者尴尬）中配乐的歌曲。
就其本身而言，这些神经学上的烟火足以将某些歌曲铭刻在我们的大脑中。但是其中还有别的因素在发挥作用，它能将八年级舞会（美国学生在八年级毕业时开第一场社交舞会——译者注）上播放的最后一支乐曲近乎完美地永久锁入你的记忆中。《这就是你的大脑对音乐的反应：人类成见中的科学原理》一书的作者丹尼尔·列维京指出，从根本上说，我们在青少年时期听到的音乐是与我们的社会生活纠缠在一起的。
“那些我们年轻时第一次听到的音乐，通常和朋友有关。我们听他们听的音乐，把它看作一枚徽章，看作将自己划归某个社会团体的一种途径。这样就把音乐融入了我们的身份归属感之中。”
加利福尼亚大学戴维斯分校的心理学家彼得·贾纳塔赞同该社交性理论。他解释说，我们最喜爱的音乐“与那些来自我们成长岁月的特殊情感记忆”牢固整合在了一起。他补充说，另一个因素——记忆隆起——可能也发挥着作用。记忆隆起是指我们对年轻生活的记忆比对其他年龄段的记忆更为丰富、生动的现象，而且这些记忆直到我们衰老时依旧得以很好地保存。根据记忆隆起理论，我们都有一个文化上自然而然的“生活脚本”，这个“生活脚本”在我们的记忆里起着人生叙事文的作用。当我们回首往事时就会发现，主宰着这一叙事文的记忆有两个共性：这些记忆是愉快的记忆，而且它们紧紧围绕着我们十几岁至二十岁出头那段时期。
为什么源自这些年月的记忆是如此充满活力而且持久呢？英国利兹大学的研究人员在2008年提出了一个诱人的解释：被记忆隆起凸显的那些岁月与“一个稳定且持久的自我”出现的时间不谋而合。换句话说，在12岁至22岁这段时间，正是你之所以成为“你”的时间。自此以后，这一过程奉献出的记忆，在你的余生中变得非同一般的重要。它们不仅记录了你自我形象的发展，还变成了你自我形象的一部分——你的自我感知中不可分割的一部分。
音乐在这一过程中发挥了两个作用。首先，一些歌曲变成了人们对这些歌曲本身的记忆，而这些歌曲进入记忆的过程非常强烈。我们中的很多人可以历历在目地回忆起我们第一次听披头士（或者后街男孩）的歌曲时的情景，数十年后，在每个K歌的夜晚我们仍然会唱起这首歌。其次，这些歌曲形成了我们对那个时期难忘感受的配乐，它们如同我们生活中至关重要的那些年一样重要。在我们初吻时、在我们第一次参加毕业舞会时、在我们第一次吸烟时正在播放的音乐，都可归于此类记忆，而且它们都闪现着一丝丝深刻的光芒。回想起来，毕业舞会可能并不是真的那么让人印象深刻，但即使记忆本身已经褪色，被贴在音乐上的情感余温依旧萦绕心间。
也许，和这些理论一样有趣的是它们的逻辑结论：你可能再也不会像热爱年轻时所听的音乐一样热爱其他歌曲了。这多少有点让人沮丧。当然，这并非全是坏事，作为成年人，我们的品味实际上并没有变差，只是变得更加成熟了，从而使我们能够欣赏在智力层面上更为复杂的美学之美。然而，不论我们变得多么成熟，音乐依旧是一个可供我们逃离成人大脑的紧急出口，带我们回到年轻时那青涩、纯粹的激情中去。与我们最喜爱的歌曲相伴的怀旧之情，并不仅仅是我们对自己早期岁月的一段飞逝的回忆，它还是一个神经系统的虫洞，能够让我们一瞥那些岁月。在那些岁月里，我们的大脑伴随着成就了我们的音乐开心地跳跃。那些岁月也许已经过去，但是每当我们听到喜爱的歌曲时，它们曾经带给我们的欢乐会再一次涌上心头。
马克·约瑟夫·斯特恩是美国《Slate》杂志的撰稿人。他的撰稿范围涵盖科学、法律和LGBTQ问题（LGBTQ，L：女同性恋者Lesbian，G：男同性恋者Gay，B：双性恋者Bisexual，T：认同自己的心理性别是符合男女二元属性的跨
性别者，包括寻求手术或激素帮助改变性别的跨越生理性别者，Q：未定者questioning或者酷儿queer，对自己的性别或性倾向暂时判断不清楚的人群——译者注）。
传出神经系统论文 篇4
传出神经系统药理学作为总论后的第一个各论篇章, 对学生建立正确的学习方法, 激发学习兴趣具有极为重要的地位。笔者选取该部分作为教改试验章节, 采用图片联想法、推导法、案例法、比较法等方式, 对该部分的课程进行讲授。通过检验笔者发现学生的学习积极性以及学习效果都有显著提高。现以传出神经系统药理学为例, 浅谈这一教学改革方法的应用。
1 图片联想法
在新课导入时, 通过图片展示, 如胃肠绞痛、胆绞痛、心脏搏动、有机磷农药中毒等具有强烈视觉冲击的图片吸引学生的学习兴趣, 并引导学生产生要理解图片背后的理论基础的欲望, 这时通过提问学生这些看似没有关联的图片之间是否具有一个统一的支配规律, 让学生自由讨论后提问。之后给出标准答案即“自主神经系统失调的结果”。让学生产生“恍然大悟后又不知何缘故”的求知感, 并自然引出《传出神经系统药物》篇章。
2 推导法
构建主义 (constructivism) 教学理论指出已有的知识体系是认知结构的起点和核心, 或者说是人类认识事物的基础。因此, 在教授新理论的时候充分利用学生已有知识系统对新知识进行构建和再塑造是建立学生发散思维方式, 培养自主学习的有效途径。传出神经系统这一篇章的教学首先需要理清传出神经系统的运行机制。因此辅助学生做好复习并罗列重要调控节点至关重要。例如笔者首先按照以下顺序对有关知识点进行罗列:神经系统—中枢神经系统—自主神经系统—运动神经系统—神经肌肉接头—兴奋收缩耦联—神经递质释放—突触后膜受体—神经递质消除, 整理完之后, 让学生在以上通路上展开讨论, 并提问:“如需达成促进肌肉收缩的目的我们可以采取何种策略”。让学生自由讨论, 之后总结学生的分析结果: (1) 阻断节前神经纤维; (2) 激动突触后膜上的N2受体; (3) 阻断Ach的降解; (4) 阻断钙离子通道的开放。之后分析各策略的优劣, 从中得出最佳方案, 并自然引出代表药物“新斯的明”, 此时由于学生已对该药物的设计有了充分的理论准备, 再接受教材上药理作用、不良反应和临床应用时将非常轻松。通过实践, 笔者发现该方法可有有效激发学生学习积极性, 并对逐步建立正确的药理学习方法非常有益。
3 案例法
介绍拟胆碱药时使用“有机磷中毒”的案例, 老师首先进行分析后, 提出问题, 设定任务, 让学生分组讨论后发言。收集学生的治疗方案, 之后再让学生对照教材给出的标准方案进行复述, 此时老师再进行解释补充。通过案例教学可以充分培养学生分析问题、讨论问题、解决问题的能力, 并能增强他们的团结协作意识和语言交流能力, 对今后学习相关其他课程有一定帮助。
4 比较法
药理学的另一难点是药物种类繁多, 学生往往抓不住重点, 从而产生厌学情绪, 因此在教学过程中, 笔者以代表药物为中心, 采用比较法对非重点药物进行归纳。例如, 讲授β受体阻断剂时, 首先系统的讲授重点药物———普耐洛尔, 分析药物的不足, 即 (1) 心脏抑制与血管作用不平衡; (2) 由于β2受体在支气管平滑肌上有一定分布, 完全阻断后会出现诱发哮喘的不良反应。笔者首先按照“推倒法”引导学生分析, 之后对照教材一一罗列, 如:为加强血管作用引入αβ受体阻断剂“拉贝洛尔”, 为减少支气管副作用引入β1 (-) β2 (+) “塞利洛尔”, 最后将总表制作完成, 展示给学生, 便于学生课后进行复习。通过比较法, 可以培养培养学生总结归纳的能力, 使其形成科学的学习方法, 并能最高效的掌握大纲要求的章节药物体系。
在教学过程中, 笔者还将不断积累经验, 进行教学方法的改革与创新, 在授课过程中, 通过上述图片联想法、推导法、案例法、对比法, 培养学生的自主学习能力, 启迪学生思维、激发学习热情, 由“要我学”转变为“我要学”, 真正将课堂知识化为己用, 让课堂活动起来、动起来、笑起来。
摘要：《药理学》是医药学专业必修基础课程, 由于药物品类繁杂、药理作用、不良反应和临床应用要点多, 学生容易出现厌学情绪, 甚至抵制学习, 这对专业素养的形成产生了极大的消极作用。笔者认为出现这种现象的主要原因是学生没有掌握有效的药理学学习方法。药理学的学科特点决定其不能采用“填鸭式”的教学方式, 而应该依据“构建主义”教学理论, 采用图片联想法、推导法、案例法、比较法, 激发学生的学习兴趣, 突出学生在学习过程中的主体地位, 努力提高课堂教学效果。为此本文以《传出神经系统药理学》为例对以上教学方法进行论述。
关键词：《传出神经系统药理学》,药理学,教学改革
参考文献
[1]符健, 刘昭前.浅议医学生药理学教学内容的革新[J].湖南医科大学学报:社会科学版, 2002, 4 (2) :37.
神经系统总论 完教案 篇5
一、神经系统的区分
神经系统分为中枢部和周围部，在结构和功能上二者是一个整体。
中枢部包括位于颅腔内的脑和位于椎管内的脊髓，又称中枢神经系统，即中枢神经系统=脑+脊髓。
周围部指遍布全身各处与脑相连的脑神经和与脊髓相连的脊神经，又称周围神经系统，即周围神经系统=脑神经+脊神经。
周围神经又可根据其在各器官、系统中所分布的对象，分为躯体神经和内脏神经。
躯体神经分布于体表、骨、关节和骨骼肌。内脏神经分布到内脏、心血管、平滑肌和腺体。周围神经根据其功能又分为感觉神经和运动神经。感觉神经将神经冲动自感受器传向中枢，又称传入神经。运动神经将神经冲动自中枢传向周围的效应器，又称传出神经。
内脏神经中的传出神经即内脏运动神经，支配心肌、平滑肌和腺体，其活动不受人的主观意志控制，又称自主神经或植物神经，它们又可分为交感神经和副交感神经。
二、神经系统的组成
神经系统主要由神经组织构成，神经组织由神经细胞（神经元）和神经胶质细胞（神经胶质）组成。
（一）神经元
神经系统结构和功能的基本单位
具有感受刺激、传导神经冲动的能力（组胚版：接受刺激、整合信息、传导冲动、意识、思维、行为调节的基础）1.神经元的构造：胞体、轴突、树突
胞体：神经元的代谢中心，主要位于大、小脑的皮质，脑干和脊髓的灰质，神经节内。
（组胚版：神经元的营养和代谢中心）。细胞核大而圆，核仁明显。
（组胚版：细胞核位于胞体中央，大而圆，核被膜明显，常染色质多，核仁大而圆，染色浅）。胞质中含有神经细胞特有结构：尼氏体和神经原纤维，以及高尔基复合体等。
细胞膜：可兴奋膜，含受体、离子通道。。。
尼氏体 Nissl body强嗜碱性，均匀分布；在大神经元中呈粗大的斑块状，在小神经元中呈细小的颗粒状。电镜下，尼氏体由发达的粗面内质网和游离的核糖体构成。
神经原纤维：镀银染色中呈棕黑色，交错排列成网，伸入轴突和树突。电镜下由神经丝、微丝、微管构成。神经丝是由神经丝蛋白构成的中间丝。它们除构成神经元的细胞骨架外，微管还参与物质运输。
树突:树突分支上有树突棘，增大了神经原接触刺激的面积。轴突：此处无尼氏体，内无粗面内质网和游离核糖体，故不能合成蛋白质 轴突运输：
轴突运输=慢速轴突运输+快速轴突运输
快速轴突运输=快速顺向轴突运输+快速逆向轴突运输 慢速轴突运输：胞体合成的神经丝向轴突终末的延续 快速顺向轴突运输：胞体运输线粒体、小泡等
快速逆向轴突运输：轴突终末的代谢产物、摄取的营养物质，狂犬病毒等
2.神经元的分类
根据神经元突起数量：多极神经元、假单极神经元，双极神经元。
假单极神经元：自胞体发出一个突起，在不远处呈T型分为两支，一支伸向中枢神经系统，称中枢突；另一支伸向周围的器官，称周围突。脑神经节、脊神经节中的感觉神经元属于此类。（注：神经节：周围部，神经元胞体聚集处，称神经节。神经节=胞体）
双极神经元：如视网膜内的双极细胞、内耳的前庭神经节和蜗神经节内的感觉神经元。
多极神经元：中枢部内的神经元大部分属于此类。
根据神经元的功能和传导方向：感觉神经元（传入神经元）、中间神经元（联络神经元）、运动神经元（传出神经元）根据轴突长短：高尔基Ⅰ型神经元和高尔基Ⅱ型神经元 根据分泌神经递质的化学性质：胆碱能神经元、去甲肾上腺素能神经元，胺能神经元，氨基酸能神经元，肽能神经元 3.神经纤维 神经纤维=髓鞘+神经膜，包裹突起。
有髓神经纤维：神经元的突起被髓鞘和神经膜共同包裹。无髓神经纤维：仅被神经膜包裹。
周围神经的髓鞘由施万细胞环绕轴突形成。中枢神经系统的髓鞘由少突胶质细胞形成。
郎飞结：相邻两髓鞘节段间的区域，该处轴突裸露。神经冲动在有髓神经纤维中以跳跃式传导。髓鞘越厚，传导速度越快。4.突触
连接方式：轴-树突触、轴-体突触、轴-轴突触、树-树突触、体-体突触
传递方式：化学突触、电突触（缝隙连接)
（二）神经胶质细胞
支持、保护、营养、绝缘、参与神经递质和活性物质的代谢,保证信息传递的专一性。中枢神经系统的胶质细胞
1.星型胶质细胞：体积最大、数量最多，胞体呈星形，核圆或卵圆形，染色浅。胞质内含有胶质丝（由胶质原纤维酸性蛋白构成的一种中间丝，参有细胞骨架的构成），其突起伸展扩充在胞体及其突起间。有些突起末端扩展形成脚板，在脑和脊髓表面形成胶质界膜，或贴附在毛细血管壁上，构成血-脑屏障的神经胶质膜。神经胶质细胞能分泌神经营养因子和多种生长因子。分为纤维性星形胶质细胞和原浆性星形胶质细胞。
2.少突胶质细胞：中枢神经系统的髓鞘形成细胞，镀银染色中，突起较少。核卵圆形，染色质密。细胞较星形胶质细胞小。电镜下，其突起末端扩展形成扁平薄膜，包卷神经元轴突形成髓鞘。
3.小胶质细胞：最小，胞体细长或椭圆，核小，呈扁平或三角形，染色深。胞体发出细长有分支的突起，突起表面有许多棘突。小胶质细胞是血液中的单核细胞迁入神经组织后演化而来，当神经系统损伤时，转变为巨噬细胞，吞噬死亡细胞的碎屑。（注：巨噬细胞来源于血液中的单核细胞）。小胶质细胞相当于神经系统的巨噬细胞。
4.室管膜细胞：细胞呈立方或柱形，游离面有许多绒毛，少数细胞有纤毛，其摆动有利于脑脊液流动。部分细胞的基底面有细长的突起伸向深部。参与组成脑脊液-脑屏障和血-脑屏障。在脉络丛的室管膜细胞可产生脑脊液。周围神经系统的神经胶质细胞
1.施万细胞：周围神经系统的髓鞘形成细胞 2.卫星细胞
三、神经系统的常用术语
由来：在中枢神经系统和周围神经系统中，神经元的胞体和突起在不同位置有不同的组合编排方式，故用不同的术语。中枢部
灰质：在中枢部（中枢神经系统），神经元胞体及其树突的聚集部位，在新鲜标本中色泽灰暗。（灰质=胞体+树突）皮质：分部于大脑和小脑表面的灰质。（大脑、小脑表面、胞体+树突）
神经核：形态和功能相似的神经元胞体聚集成团或柱状。（神经核=胞体）
白质：神经纤维在中枢部的聚集部位，因髓鞘含类脂质色泽明亮而得名。（白质=神经纤维）
髓质：位于大脑和小脑皮质深部的白质叫做髓质。（皮质深部的白质，神经纤维）
纤维束：白质（中枢部的神经纤维）中，起止、行程和功能基本相同的神经纤维集合在一起形成纤维束。（纤维束=神经纤维）周围部
神经节：周围部，神经元胞体聚集处，称神经节。（神经节=胞体）
神经：神经纤维在周围部聚集为粗细不等的神经。（神经=神经纤维）
神经内膜：包绕神经纤维的结缔组织 神经束：若干神经纤维聚集为神经束 神经束膜：包被神经束的结缔组织 神经：若干神经束汇聚而成 神经外膜：包被神经的结缔组织
四、神经系统的活动方式——反射
保持神经系统的稳定有助长寿 篇6
1.保持神经系统的稳定性，并尽量保持良好情绪。
2.不断增强心血管系统功能：心血管系统是现代人生命保障体系中最薄弱的一环，增强其功能的有效手段是竞走、跑步、游泳、滑雪、划船和骑自行车。这些活动脊益于心血管系统，对人体的神经、呼吸及其他系统也有积极作用。
3.保持正常的体重：体重超过正常标准，极易导致各種器官提早衰老。要限制食物的热量，宜多食用天然蔬菜和水果，少吃面食与甜食，多进行以竞走、跑步、游泳等循环性锻炼为主的积极运动。
4.加强锻炼，增强身体的抵抗力：身体的抵抗力越强，受疾病的侵害就越少。锻炼的唯一途径，就是经常进行体温调节机制的锻炼（一年四季以轻装为宜，冷疗法、冷热水淋浴等）。
5.促进呼吸器官日益强健，并抛弃有害健康的习惯：首先是吸烟与喝酒。其目的大都是改善大脑供血系统和其他器官的功能，也可使免疫系统得以增强。
伊利:分销系统是企业的“神经” 篇7
伊利信息工程部总经理王晓刚在接受《中国商贸》记者采访时表示:“目前,伊利集团已经陆续开发了包括ERP、库存管理、销售管理等在内的众多系统,现在全国的分公司和经销商的每日生产和销售信息都能在总部看到。”不过,据记者了解,分销系统的建设为伊利的快速成长立下了汗马功劳。
与用友合作开发自己的系统
2001年3月,伊利与用友U8分销和CRM事业部签约采用用友U8——网络分销管理软件,全面构建“伊利集团分销管理信息系统”。当时,这套分销系统完全是根据伊利企业的实际状况和需求定制开发的,经过对各个模块的大量反复修改,最终,分销系统的运行界面与初始设计相比,已有70%都“改头换面”了。伊利人经常半开玩笑地说,用友为伊利开发的产品里有伊利一半的知识产权。
据了解,这套系统最大的特点是,用友根据伊利产品的分销特点,结合当时的网络管理软件技术,为伊利的产品库存、订单、数据自动处理等设计了以Internet为基础的跨地域集中式管理和监控。
分销系统的完成,使集团、事业部领导可以随时了解前一天整个集团或者事业部关于销售、库存、应收账款的真实情况;各地分公司经理可以随时了解自己的实际销售与库存状况,把握客户需求方向,及时发现即将过期的商品,减少了账物不符现象的发生;随时了解销售计划完成进度,对关键指标进行自动控制;同时大大提高了对配送车辆和零碎订单的管理效率。
控制库存、提高配送
“伊利集团在全国有30多家销售分公司,再加上内蒙古的生产基地和异地的生产基地,所有产成品的仓库有40多个,从库存物资的管理、调拨到产品在供应链上的物流配送都是极为复杂的业务流程。”王晓刚表示。
“随着业务的快速发展,伊利集团在物流方面存在着由于库存积压而造成的成本加大等潜在的经营风险。”王晓刚告诉记者,“在实施ERP过程中,伊利集团利用Oracle库存管理系统能够全面支持伊利集团各事业部、各分支机构的不同库存地点的特性,建立了统一集中的库存组织架构,完善了各类入库、出库、移库和库存管理等标准化的业务流程,基于互联网的库存管理环境使管理人员可以实时地了解库存物资的动态变化,从而大大提高物资配送的速度和配送的准确性。”
注意力神经反馈训练系统设计 篇8
《2006年中国青少年注意力调查报告》发布会上, 与会专家明确指出, 注意力长期不集中, 不是暂时性问题, 对青少年的发展有着举足轻重的作用。调查结果显示, 仅有58.8%青少年自认为能在上课时集中注意力, 仅有48.6%的青少年能在自习时集中注意力, 仅有39.7%的青少年能坚持集中精神听课30分钟以上[1]。注意力不集中导致的最直接影响就是学习效率低下, 严重影响学习成绩。因此, 如何使青少年注意力集中成为研究者关注的焦点。
目前注意力训练方法中, 药物干预主要针对注意力缺陷儿童, 虽然作用明显, 但是有副作用, 停药后容易出现反复, 长时间服药对儿童健康成长有所影响[2]。行为方法也存在局限性, 单一的行为矫正技术或认知行为策略对于注意力缺陷多动障碍儿童的干预效果不理想, 只能改善患儿某一方面的问题, 并且对儿童的认知功能改善所起的作用不大[3]。感觉统合训练需要庞大的场地和诸多的相关训练设施, 而且要有专业人员来进行训练, 具有训练时间长的缺陷, 基于此, 无副作用且训练效果持久的生物反馈训练法引起研究者注意并开展了广泛的研究。
生物反馈训练是以硬件为基础, 采集脑电信号, 在软件系统平台上进行训练。目前训练系统很多, 但是都没有考虑到训练者本人的主观意愿。本文将脑电生物反馈方法和传统训练方法相结合, 让训练者自主选择训练方式, 从而达到提高注意力的目的。
1 神经反馈训练系统设计原理
2002年, Monderer将通过脑电波作为反馈信息的生物反馈称为脑电生物反馈 (EEG biofeedback, EBF) , 也称为神经反馈 (Neurofeedback, NFB) , 指出神经反馈是将脑电信号转换成容易被人们理解的形式, 如声音、动画, 受试者通过训练, 选择性地增强或抑制某一频段的脑电信号, 从而达到调节脑功能的目的[4]。在治疗过程中, 专业人员通过帮助受试者逐步了解原来并不为自己所感知的机体状况变化, 借助控制仪器提供的外部反馈信号, 学会自我调节内部心理生理变化, 达到治疗和预防特定疾病的目的[5]。
基于此理论, 本文设计了集注意力测评、注意力训练及记录查询等多功能注意力神经反馈训练系统。该系统利用神念科技公司的脑波采集器对数据进行采集和转换, 用户在佩戴设备后, 脑电信号可在系统中以可视化的方式呈现, 用户可以很方便地看到自己脑电信号的变化情况。同时, 用户可以通过调整刺激方式 (如图片、音乐、视频等) 和训练方式 (脑电和传统方法训练) , 学会根据脑波变化自我调节内部心理生理变化, 进而控制相应场景变化, 以最优化的方法训练注意力、提高注意力。在此训练系统中, 用户还可以查看以往的训练情况, 通过查看这些记录, 对自己近段时间的精神状态有一个全面的了解。
2 系统总体架构
本系统的总体架构如图1所示, 主要由量表测评、脑电测评、注意力训练、历史记录4个部分组成。
系统中的脑电测评部分和注意力训练中的脑电训练部分都是借助第三方硬件和辅助软件 (即神念科技出品的脑立方耳机、相关驱动程序和脑立方数据采集程序) 运行的。在进行量表测评和历史查询时, 不需要连接脑立方耳机, 也不需要与数据采集程序交互。
3 系统功能模块设计
3.1 量表测评
量表测评模块将提供与注意力测评相关、信效度较高的测评量表, 注意力相关的量表有中国儿童注意力水平测评量表、Cornners父母用量表 (简化版) 、Cornners教师用量表 (简化版) 及舒尔特方格等。在用这些量表进行测评时, 用户根据自己的真实情况进行填写或作答, 待单项量表测评完毕后, 系统会根据用户的答题情况, 给出相应的测评结果, 大概描述出用户当前的精神状态。
3.2 脑电测评
脑电测评模块由脑电测评前设置和脑电测评两部分组成, 其中脑电测评前设置是设置初始阶段脑电测试时的刺激条件;脑电测评是运用设置的刺激条件记录训练者脑电初始状态。
(1) 脑电测评前设置。脑电测评前设置是设置初始阶段脑电测试时的刺激条件, 如视觉刺激 (图片) 、听觉刺激 (音乐) 、视听觉刺激 (视频) 。测试者在测试之前对刺激进行选择。点击选项, 显示选项预览, 预览的目的是让用户直观看到选项。选择图片, 出现相应图片预览;选择音乐, 预览界面播放音乐;选择视频, 预览界面播放相应视频。其中, 对于系统中的音乐和视频, 训练者可以根据自己的喜好, 添加喜欢的音乐和视频。另外本模块还有前测时间设置, 设置前测进行时间。然后单击保存设置, 单击开始进行测试, 进入下一个模块, 即脑电测评模块。
(2) 脑电测评。在脑电测评模块中, 中间部分以视频播放器作为显示部分, 在设置部分选择了画面显示, 此部分就显示画面;在设置界面选择了音乐播放, 则此部分就显示音乐, 不显示图片, 若选择了视频刺激, 则此部分就显示所选择的视频, 此部分是动态显示的。下方设置的时间条的最大值即为脑电前测设置界面所设置的时间;在训练过程中可以点击暂停, 训练结束后点击保存记录, 脑电前测记录就保存到历史记录中。记录保存后页面再跳转到脑电前测界面, 继续选择前测刺激条件。
3.3 注意力训练
注意力训练模块由两个子训练模块构成:脑电训练和传统方法训练。脑电训练是运用脑立方耳机实时监测训练者注意力, 然后运用训练前所选择的个人训练方法进行注意力训练。
(1) 脑电训练。训练前由训练者对训练方法进行选择, 然后进入训练模块进行训练, 在对训练方法选择时, 训练者可以在设置界面根据系统中提示的方法进行选择, 也可以添加模块中自己喜欢的训练方法。训练模块有阈值柱状图模块、训练模块和开始结束按钮3个功能区域。其中阈值柱状图以设置界面为准, 若用户在设置界面选择不显示柱状图, 此界面即不显示柱状图。训练模块显示所选择的训练方式 (音乐训练或者图片训练) , 在训练过程中图片训练是动态显示的, 即根据训练者脑电值的不同, 图片显示也不一样, 例如鲜花绽放, 当前注意力值不同, 鲜花开放的程度就不同。开始按钮让训练者开始进行注意力训练;结束按钮等用户设置的时间达到以后才会响应。点击结束后, 整个训练过程中的数据要保存到历史记录中, 并且跳转到显示本次训练注意力平均值以及训练时间界面。
(2) 传统方法训练。传统方法训练模块是为了实现不同训练者针对不同训练方法而设置的, 训练过程中可以运用传统训练方法从注意力的稳定性、注意力的广度、注意力的转移和注意力的分配4个角度去进行注意力训练, 旨在以多样化的训练方式提高训练者注意力。
3.4 历史记录
历史记录模块提供用户训练历史数据的查询, 还提供数据的删除和每条记录的详细分析图解。其中, 用户需要查询的记录类别可以选择, 类别包括:量表测评、脑电测试、注意训练。在此模块中, 提供了记录全选和删除的功能。当用户选择分析记录时, 可跳转到记录分析界面, 对每条记录的注意力值进行状态分析。
参考文献
[1]吴翔.青少年注意力调查报告[J].生命时报, 2006 (24) :22-24.
[2]张凤仙.HRV生物反馈技术在中学生注意力训练中的应用[D].桂林:广西师范大学, 2012.
[3]于敏峰.注意缺陷多动障碍儿童注意力特征及其干预研究[D].南昌:江西师范大学, 2003.
[4]R S MONDERER, D M HARRISON, S R HAUT.Neurofeedback and epilepsy[J].Epilepsy Behavior, 2002 (3) :214-218.
基于神经网络的系统辨识研究 篇9
1训练样本集的准备
如下所示的连续系统
共含有(nm1)个参数。则对于该系统进行辨识的测试信号必须至少含有(nm1)/2个不同的谐波。这个要求不难理解,因为系统所含参数越多,其频域越复杂。若要对该系统进行辨识,必须尽可能多得到其频域特征。而一个含有丰富谐波或较宽频域的测试信号,很容易激励出系统的频域特征。
本文使用3种测试信号,白噪声、阶跃信号和正弦。理论上白噪声的功率谱密度在整个频域内均匀分布,其功率无限大,故在系统辨识方面应用十分普遍。阶跃信号在系统辨识、信号处理等方面应用广泛,其特点是在低频区域有较大的幅度,随着频率升高,幅度迅速减小。正弦信号仅含有单一的频率,无其他谐波。
收集训练样本集时,采样周期十分重要。研究表明,过大或过小的采样周期都将导致系统辨识结果变坏。当采样周期过大时,样本将不能完整地描述系统的动态性能;反之, 当采样周期过小时,样本可能会由于很小的采样误差,而不能准确地描述系统的动态性能。在设置采样周期时,往往需要多次尝试,也可以根据一些经验公式来估算,如
在系统辨识中,训练样本需求数量与神经网络的大小相关。一般来讲,为了得到足够的辨识精度,神经网络所含的单元数量越多,需要的训练样本数量越多。但并不是样本数量越多越好,因为在实际中,采集过多的训练样本,将可能带来更多的扰动和误差样本,这将导致辨识精度变差。
2基于单层感知机的二阶线性系统辨识
Rosenblatt提出的感知机模型是一个只有单层计算单元的前向神经网络,它对线性系统的具有很好的辨识能力。
给定一个二阶系统则其微分方程为:
其中,y为整数,0a、1a、0b、1b、2b为待辨识的参数。采用串-并联系统辨识结构,分别使用白噪声、阶跃信号和正弦作为测试信号,产生并收集训练样本集,经过多次尝试,采样周期设定为0.001s效果较好。综上,Matlab编程见图1。
在Matlab的“nntool”中,使用单层感知机作为待训练的神经网络,其设置见图2,分别使用3种不同测试信号产生的训练样本集,对该网络进行训练。
训练结果如图3所示。结果显示,3次训练误差都在经过7 ~ 8个周期后收敛到一个很小的数值,但精确度有所不同,其中使用白噪声作为测试信号的训练误差最小。
使用如图4所示的模型对训练后的3个神经网络进行验证。这里给定了相同的锯齿波作为验证激励信号,对二阶系统和神经网络的两个输出进行对比,结果如图5所示,其中右侧为8s左右的放大图,以便对比系统辨识精度。验证结果演示,当测试信号为白噪声时,二阶系统辨识有最好的精度, 2条输出线几乎完全重合,神经网络的训练很成功;当测试信号为阶跃时,二阶系统辨识精度也相对较好,但随着时间推移, 其精度在下降;当测试信号为正弦时,二阶系统辨识误差很大, 即使增加训练样本集的数量再次训练,效果仍不理想。
提取训练好的神经网络的权值如下:
[4.4097456785538589e-016; 9.99766694 85504965e-008; 9.9953345338192994e-008;1.9993000346260068; -0.99930023454942629]
代入Z传递函数得:
最后将其转换为S传递函数得:
可见,与给定的二阶系统完全一致。
为验证训练样本集数量对辨识结果的影响,重新使用8000个样本、测试信号为阶跃来训练神经网络,得到如图6所示的验证结果。图6(b)图可见,当样本数量足够时,辨识精度将显著提高。将以上结果对比总结如表1所示。
3结语
以上实验结果及资料表明,单层感知机网络对线性系统进行很好的辨识。当确定神经网络结构后,系统辨识结果的好坏,很大程度上取决于测试信号类型、采样周期、训练样本集数量、训练次数等因素。
摘要：系统辨识被广泛应用于工业领域。本文以单层感知机神经网络为例,介绍了训练样本集的准备和对线性系统的辨识,着重分析对比了测试信号类型、采样周期及训练样本数量等对线性系统辨识结果的影响。
神经系统教学的几点体会 篇10
1 图表法
1.1 列表法
神经系统内容复杂, 采用列表法可使知识层次清楚, 条理明晰, 便于对比归纳, 利于学生学习记忆。如神经系统总体组成见图1。
如讲到脑干的内部结构, 可采用表1帮助学生学习。
1.2 画简图
学习脑神经时, 将脑神经中各纤维成分的来源及走向、功能及分布、低级中枢、出入颅部位和换神经元的部位等结构特征集中在一起, 用简图直观地显示出来, 可明显提高教学效果。如舌咽神经、迷走神经示例见图2。
学习传导路时, 把各级神经元的位置、名称, 神经纤维束各段的名称、交叉位置用简图表示出来, 能一目了然, 增强学生的学习效果。以躯干、四肢的深感觉传导路为例, 具体见图3。
1.3 识图法
神经系统教学挂图较多, 学生识图困难, 缺乏学习积极性。教学中, 笔者对神经系统彩图进行了归纳, 红色代表躯体运动神经元和躯体运动神经, 蓝色代表躯体感觉神经元和躯体感觉神经, 黄色代表内脏运动神经。有了这些知识, 学生再看脑干神经核模式图时, 就很清楚各个神经核的位置和性质, 以及与这些神经核所连的脑神经的性质了。
2 口诀记忆法
运用口诀记忆法, 将神经系统一些术语、内容编成通俗易懂、便于记忆的口诀, 增强学生学习的趣味性, 有效巩固学习效果。如脊神经腰丛的分支可用“髂髂股闭股 (髂腹下神经、髂腹股沟神经、股神经、闭孔神经和生殖股神经) ”教学;骶丛的分支可用“梨上梨下过, 臀臀阴部坐 (从梨状肌上缘出盆的臀上神经、从梨状肌下缘出盆的臀下神经、阴部神经和坐骨神经) ”进行教学。如脑干神经核的记忆口诀为“躯体运动记四点:动眼、滑车、舌下、展。特内运动也四点:三叉运动、副、疑、面。一般内脏又四点:缩瞳、迷背、上、下涎。躯体感觉:三、三、三。内脏感觉:孤束单。特躯感觉记两点:前庭蜗核最外边。”如舌的神经支配记忆口诀为“舌前面, 舌后咽 (面神经管理舌前2/3, 舌咽神经管理舌后1/3的味觉和一般感觉) , 三叉神经管一般 (三叉神经管理舌前2/3的一般粘膜感觉) , 舌下神经司运动”。如手的皮肤管理记忆口诀为“手掌正中三指半, 剩尺神经一指半, 手背桡尺各一半, 正中占去三指尖半。”如感觉传导路小结, 可用“三元两换一交叉, 浅脊深延成交叉, 经过内囊后脚处, 定位诊断要靠定”进行概括和教学。
3 联系实际法
学习医学最根本的目的是认识疾病, 并诊治疾病。教学实践中, 多采用实验教学, 并尽量与临床、病理联系, 增强实效性。在上实验课时, 可以先让学生看完标本后在模型上辨认结构, 这样可避免标本被损害, 又能在放大的模型上看清一些小的结构, 模型还能方便的拆卸和安装, 可增强学生的动手能力。
理论联系实际, 还要注意知识的灵活应用。课前多准备与神经系统内容有关的病理、临床知识, 根据课堂实际使用。如学完脊髓及其被膜后, 让学生分析腰椎穿刺时经过的层次, 腰麻 (蛛网膜下腔阻滞麻醉) 和硬膜外阻滞麻醉的区别;分析瞳孔对光反射、跟腱反射、肱二头肌反射的反射弧、内囊损伤引起的三偏症等。
参考文献
神经系统疾病的微创手术 篇11
孙伯民
上海交通大学医学院附属瑞金医院功能神经外科主任医师
医疗专长:癫痫、帕金森病、肌张力障碍、难治性精神病的手术治疗。
专家门诊:周二上午
问:我父亲患有帕金森病,一直用药物治疗,但病情控制不理想。听人说,现在这种病还能用手术治疗,是真的吗?
孙伯民:随着医疗技术的不断提高,一些神经系统疾病,如帕金森病、肌张力障碍、癫痫及顽固性精神疾病可以通过神经外科微创手术进行治疗。不过,外科手术有严格的适应证和禁忌证,不是人人都可以做,你可陪你父亲去医院咨询相关事宜。
问:我孩子患癫痫10多年,一直服药治疗,但不能完全控制,这几年发作越来越频繁。这种情况可以用手术治疗吗?
孙伯民:癫痫是神经内科的常见病,发病原因很多。70%~80%的癫痫患者可以用抗癫痫药控制,但仍有一些患者用各种药物仍不能很好控制,称之为难治性癫痫。目前,通过神经外科微创手术治疗难治性癫痫在国内外已经达成共识。患者在术前要进行一系列检查,如视频脑电图、磁共振、PET等,以确定癫痫发生的位置,随后通过手术,切除这些导致癫痫发作的脑组织。据统计,60%～80%的难治性癫痫患者经手术治疗后,可以完全控制癫痫发作。
问:我父亲患帕金森病5年,前几年服药效果较好,但近半年来,药物似乎越来越不起作用了。不知道还有别的办法可以治疗吗?
孙伯民:帕金森病是以四肢震颤、肌肉强直、动作迟缓为主要症状的一种神经系统疾病。最初几年,用美多巴治疗疗效较好,但服药4~5年后,药物的疗效逐渐下降,不少患者还出现了药物副作用,如异动症、开关现象等。目前,治疗帕金森病又多了一种选择——神经外科微创手术。手术分为两种:一种是毁损手术,即对病变的脑内神经核团进行一次破坏,形成一个小的毁损灶。据观察随访,此方法对震颤、僵直、动作迟缓及异动症患者,效果较好。缺点是存在一定风险,且由于只能做一侧手术,故只能解决一侧的问题。另一种方法是脑深部电刺激(即脑起搏器)治疗,即将一根很细的刺激电极插入神经核团中,给予长期慢性电刺激。该治疗安全、无副作用,可双侧同时手术,术后还可调节刺激参数,疗效较好。在欧美国家,这种方法已成为帕金森病的常规治疗手段。
问:我女儿今年13岁,从7岁开始出现四肢扭曲,并逐渐发展成全身扭转,生活不能自理。为了治病,她什么药都吃过,什么方法都试过,但都没有效果。这种病还能治吗?
孙伯民:你女儿很可能患了肌张力障碍,这种病多数是基因突变所致,表现为肌张力异常增高伴异常姿势,活动时加重,躺在床上时,明显减轻。在这些患者中,只有一种叫多巴胺敏感型肌张力障碍的患者,用少量美多巴治疗,即可获得很好的疗效,其余患者用药物治疗,效果均不理想。目前,原发性肌张力障碍(无明显诱因发病)患者可尝试用脑深部电刺激治疗,有一定疗效。手术方法类似于帕金森病。据统计,90%的患者在脑起搏器长期慢性的电刺激下,临床症状显著改善。部分患者在安装脑起搏器2~3年后,不仅症状得到控制,即使脑起搏器停止刺激,也无四肢扭曲,达到了临床治愈。
问:我父亲今年才61岁,患帕金森病3年,服药效果一直不理想。听人说,现在可以开刀治疗这种病,但我不放心,毕竟是在脑子里动手术。还听人说,手术后人会变得迟钝,甚至会像老年痴呆一样变傻,是这样吗?
基于神经网络改进的系统辨识方法 篇12
系统辨识是建模的一种方法,不同的学科领域,对应着不同的数学模型。从某种意义上来说,不同学科的发展过程就是建立他的数学模型的过程。辨识问题可以归结为用一个模型来表示客观系统(或将要构造的系统)本质特征的一种演算,并用这个模型把对客观系统的理解表示成有用的形式。当然也可以有另外的描述,辨识有三个要素:数据,模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型。总而言之,辨识的实质就是从一组模型类中选择一个模型,按照某种准则,使之能最好地拟合所关心的实际过程的静态或动态特性。
2 系统辨识的基本内容和步骤
辨识问题分为模型结构辨识和参数辨识。当系统模型结构根据工程经验或采用模型结构的辨识确定后,主要的问题是模型的参数估计。
2.1 系统输入输出观测数据的取得
(1)设计准则
为了对不同的试验方案进行比较,必须给出一个度量试验优劣性的准则。比如参数估计的精度,参数估计量一般是一个随机变量或随机向量,其估计的精度可以用一个估计误差的方差或协方差阵来衡量。数理统计中有下面的重要结论:对于一次完成的采样,参数估计的^的协方差满足下面不等式
式中,M为Fisher信息函数矩阵,
式中,z表示测量数据列;ln p(z/)表示给定参数Θ时希望z的条件概率密度的自然对数。根据式(1.1)希望M 1尽可能的小,使得参数估计的精度有可能提高;又根据式(1.2),M又依赖于测量数z。因为M是一个方阵,度量的准则一般应为标量函数。在实验中,通常取
作为设计准则,并据此设计出最优输入信号。
(2)持续激励输入信号的设计
用于辨识模型的输入信号通常要求是零均值的伪随机信号。无论采用何种信号,都要求信号是持续激励的。
(3)采样间隔的设计
在实验之前必须适当地选择采样间隔或输入信号的时序脉冲宽度,依据是实际系统的采样间隔和所要求的模型精度。采样间隔太大,会影响辨识精度。
2.2 应有一个合适的模型集
为了所辨识的系统能从这个模型集中选择出一合适的模型,模型集可根据机理所得到的一些未知参数的模型结构,或是待定参数仅作为数据拟合工具的黑箱模型结构,也可以是根据系统实际工艺要求或系统所得到的一组待拟合曲线数据结构。
2.3 必须有一个对辨识所得到模型的验证评价
对辨识所得到模型的验证是系统辨识的重要环节。验证的目的是为了确定该模型是否是模型集中针对当前观测数据的最佳选择。验证的方法主要有:(1)利用先验知识验证,即根据对系统已有的知识来判断模型是否实用。(2)利用数据检验。(3)利用实际响应检验。(4)利用激励信号{u(k)}的自相关函数校验。
3 改进的神经网络MBP算法辨识
人工神经网络在各个领域得到了广泛地应用,尤其是在智能系统中的非线性建模及控制器的设计、模式分类与模式识别、联想记忆和优化计算等方面。在非线性系统模型辨识中,常用的是多层BP网络。近年来人们对BP算法做了大量研究改进工作。主要包括以下几个方面:(1)提高学习速率的方法。Jacobs等在这个研究中做了大量工作。他们主要是根据学习进展情况在训练过程中改变学习因子。采用改进的BP算法,好处是不增加额外的计算量,通过调整学习因子基本上可保证算法的收敛,但还是不能令人满意。(2)利用目标函数的二阶导数信息对网络训练精度的改进。Kramer在这方面做了研究。这种方法是利用指标函数二阶信息,即二阶导数矩阵(Hessian)或是对二阶导数矩阵的近似,这样构成其具有超线性收敛的算法。这种研究是以非线性优化理论为基础,将BP多层网的训练问题归结为一个非线性的问题。优化理论中的各种优化算法可以用来对非线性的问题求解。BP多层网本身就是一种并行向量、矩阵运算,或者构成一个矩阵近似指标函数,该阵是关系权值向量的Hessian阵。这对于多层网的并行处理能力有较大影响。有些研究者将二阶信息应用到某一层或某一节点,在一定程度上对网络训练的精度有所改进,但又使运算工作量增加,从而影响了训练速度。
4 结束语