XiaoMi-AI文件搜索系统
World File Search System尖峰
基于神经网络的尖峰近传感器计算，用于结构健康监测中的损伤检测
摘要：在这项工作中，我们提出了一种创新的方法，用于利用脑启发算法的基础设施损坏检测。所提出的解决方案利用了复发性尖峰神经网络（LSNN），这些神经网络（LSNN）正以其理论能量效率和紧凑性而出现，从而通过在传感器节点上直接处理来自低成本加速度计（MEMS）的数据来识别损害条件。我们专注于设计MEMS数据的有效编码，以优化低功率微控制器上的SNN执行。我们在配备有STM32嵌入式微控制器和数字MEMS加速度计的硬件原型传感器节点上表征和支持LED LSNN性能和能耗。我们使用了一个硬件环境和虚拟传感器在连接到物理微控制器的SPI接口上生成数据，以通过来自真实高架桥的数据流来评估系统。我们还利用了这种环境，以研究不同的传感器编码技术的影响，模仿了生物启发的传感器能够生成事件而不是加速度的传感器。获得的结果表明，在使用基于尖峰的输入编码技术时，提出的优化嵌入的LSNN（ELSNN）就可以在先进的ART中存在的幼稚LSNN算法实现而达到54％的执行时间。优化的ELSNN需要约47 kcycles，这与SPI接口的数据传输成本相当。但是，基于尖峰的编码技术需要更大的输入向量才能获得相同的分类精度，从而导致更长的预处理和传感器访问时间。总体而言，基于事件的编码技术会导致更长的执行时间（1.49×），但能耗相似。在传感器上移动此编码可以消除此限制，从而导致总体能量更稳固的监视系统。
具有神经振荡和尖峰相信息的深尖峰神经网络
深度尖峰神经网络（DSNN）是一个有希望的人为智能的构成模型。它通过层次结构从DNN和SNN中受益，分别提供多个级别的抽象和事件驱动的综合方式，分别提供超低功率的神经形态实现。然而，如何有效地训练DSNN仍然是一个空旷的问题，因为不可差的尖峰函数可以防止直接应用于DSNN的传统后反向传播（BP）学习算法。在这里，受到生物神经网络的发现的启发，我们通过向DSNN引入神经振荡和尖峰信息来解决上述问题。特别是，我们提出了振荡后电势（OS-PSP）和相锁的活动函数，并进一步提出了新的尖峰神经元模型，即共鸣尖峰神经元（RSN）。基于RSN，我们为DSNN提供了峰值级依赖性的后传播（SLDBP）学习算法。实验结果表明，所提出的学习算法解决了由于BP学习算法 - rithm和SNN之间不兼容而引起的问题，并在基于尖峰的学习算法中实现了最先进的表现。这项工作提出了引入以生物学启发的机制的贡献，例如神经振荡和尖峰期信息对DSNNS，并为设计未来的DSNN提供了新的观点。
虚拟深部脑刺激：使用虚拟大脑对尖峰基底神经节模型和全脑平均场模型进行多尺度联合模拟
- 我们实现并验证了一种针对基底神经节内和周围皮层下区域的脉冲网络模型的联合仿真方法，并将其与每个皮层区域的平均场网络模型相结合。 - 我们的模拟基于一个规范的连接组，包括皮层和基底神经节区域之间的详细路径，并结合了健康对照者和帕金森病患者的特定受试者优化权重。 - 我们通过证明所实现的模型在静息状态下显示出生物学上合理的动态来提供概念证明，包括虚拟患者的丘脑活动减少，以及虚拟深部脑刺激期间的丘脑活动正常化和主要在额叶区域的分布改变的皮层活动。 - 所提出的联合仿真模型可用于为个别患者定制深部脑刺激。摘要深部脑刺激 (DBS) 已成功应用于各种神经退行性疾病，作为一种有效的对症治疗。然而，它在大脑网络中的作用机制仍然知之甚少。许多虚拟 DBS 模型将基底神经节周围的子网络及其动态分析为脉冲网络，其细节由实验数据验证。然而，连接组学证据表明 DBS 的广泛影响影响了许多不同的皮质和皮质下区域。从临床角度来看，除了运动影响之外，DBS 的各种影响也已得到证实。神经信息学平台虚拟大脑 (TVB) 提供了一个建模框架，使我们能够虚拟地执行刺激（包括 DBS），并在进行 DBS 导线置入的侵入性手术之前从动态系统的角度预测结果。为了准确预测 DBS 的影响，我们实施了一个详细的基底神经节脉冲模型，并通过我们之前开发的联合仿真环境将其与 TVB 相结合。这
与尖峰神经网络的对称性感知-Dr -ntu
©2021作者。本文是根据Creative Commons归因4.0国际许可证的许可，该许可允许以任何媒介或格式的使用，共享，适应，分发和复制，只要您适当地归功于原始作者和来源，就可以提供与Creative Commons许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
重新利用针对Covid-19的尖峰受体的药物进行治疗：一种计算机方法
摘要：新颖的SARS-COV2逐渐大流行的速度遍布全球。需要迫切需要治疗。最初，该病毒首先出现在中国武汉，后来在全球187个国家中出现。冠状病毒是人类呼吸道和神经系统疾病的原因。新型引起人畜共患病的冠状病毒是单链的RNA病毒。冠状病毒的外部结构由由糖蛋白组成的峰值蛋白组成，糖蛋白与人类感染时与ACE（血管紧张素转化酶）蛋白结合。在当前的研究中，使用生物信息学工具观察到了生物领域中已经使用的37种化合物。通过分子对接将重新利用的药物对接针对尖峰受体。从蛋白质数据库中检索配体结构和受体结构。补丁码头服务器是可用于对接过程的开放免费软件。结果包括加速和匹配特性的得分，显示了针对SARS-NCOV使用药物的可行性。用于可视化最终停靠产品，Pymol和Raswin软件。针对受体的每个配体的得分显示出针对COVID-19疾病的兼容性。
使用脑启发的尖峰神经网络模型
1听力学部分，奥克兰大学，奥克兰1023，新西兰； philip.sanders@auckland.ac.nz（P.J.S. ）; zohreh.doborjeh@auckland.ac.nz（Z.G.D.） 2 Eisdell Moore Center，奥克兰1023，新西兰3脑研究中心，奥克兰大学，奥克兰大学1023年，新西兰4信息技术和软件工程系，奥克兰技术大学，奥克兰大学奥克兰1010，新西兰，新西兰； Maryam.gholami.doborjeh@aut.ac.nz 5工程学，计算机和数学科学学院，奥克兰技术大学，奥克兰大学，新西兰1010年； nkasabov@aut.ac.nz 6智能系统研究中心，阿尔斯特大学，德里/伦敦德里bt48 7Jl，英国7奥克兰生物工程研究所，奥克兰大学奥克兰大学，奥克兰大学1010年，新西兰 *通讯 *通信：1听力学部分，奥克兰大学，奥克兰1023，新西兰； philip.sanders@auckland.ac.nz（P.J.S.）; zohreh.doborjeh@auckland.ac.nz（Z.G.D.）2 Eisdell Moore Center，奥克兰1023，新西兰3脑研究中心，奥克兰大学，奥克兰大学1023年，新西兰4信息技术和软件工程系，奥克兰技术大学，奥克兰大学奥克兰1010，新西兰，新西兰； Maryam.gholami.doborjeh@aut.ac.nz 5工程学，计算机和数学科学学院，奥克兰技术大学，奥克兰大学，新西兰1010年； nkasabov@aut.ac.nz 6智能系统研究中心，阿尔斯特大学，德里/伦敦德里bt48 7Jl，英国7奥克兰生物工程研究所，奥克兰大学奥克兰大学，奥克兰大学1010年，新西兰 *通讯 *通信：2 Eisdell Moore Center，奥克兰1023，新西兰3脑研究中心，奥克兰大学，奥克兰大学1023年，新西兰4信息技术和软件工程系，奥克兰技术大学，奥克兰大学奥克兰1010，新西兰，新西兰； Maryam.gholami.doborjeh@aut.ac.nz 5工程学，计算机和数学科学学院，奥克兰技术大学，奥克兰大学，新西兰1010年； nkasabov@aut.ac.nz 6智能系统研究中心，阿尔斯特大学，德里/伦敦德里bt48 7Jl，英国7奥克兰生物工程研究所，奥克兰大学奥克兰大学，奥克兰大学1010年，新西兰 *通讯 *通信：
不断发展的尖峰神经网络
这项研究介绍了近年来（过去八年）对不断发展的尖峰神经网络（ESNN）发展的深刻见解和全面分析。ESNN已用于大量优化问题。它具有多个优点：计算廉价的基于知识的在线学习方法，我们已经分析了不同应用区域中ESNN的改进。本评论论文讨论了研究人员使用不同的优化技术进行的ESNN优化，以实现可能的最佳准确性。在这项包容性研究中，很少收集使用ESNN的出版物。首先，我们介绍ESNN。然后，我们将ESNN的当前版本表征为5个变体，主要是杂交，修改，多目标，动态和集成。之后，正在评估所研究的ESNN模型的结果。审查论文是通过结论优化的ESNN模型的基本原理来概括的，并提供了可思考的未来方向，这些方向可以在当前有关ESNN的超参数优化的作品中探讨。关键字：ESNN，变体，超参数，优化，综合分析1。引言人工神经网络（ANN）是出于勃起和人脑目的的动机。它们已被用作有影响力的计算机制，以揭示复杂功能估计，分类问题和模式识别。其他分析机制无法明智地适应的问题[1]。通过时间的流逝，ANN已成长为普遍存在的生物学现实模型[2]。人工神经网络已转换了执行监督，无监督和强化学习任务的实践中标准手段。他们持续的成就达到了为医学诊断提供人类专业知识的图像分类水平。这些重要的发展是通过算法开发做出的。对皮质锥体神经元的研究揭示了离散的尖峰时间作为加密信息的一种方式，这在神经网络中非常重要[3]。尖峰神经网络，被称为第三代人工神经
通过流算法的镜头尖峰神经网络
峰值神经网络中先前的算法工作与流算法有许多相似之处。但是，这两个空间有限模型之间的连接尚未正式解决。我们采取了第一个步骤来理解这种联系。在上边界，我们根据已知的流媒体算法设计神经算法，用于基本任务，包括不同的元素，近似中位数和重型击球手。我们溶液中神经元的数量几乎与相应的流算法的空间界限匹配。作为一种一般算法原始的原始算法，我们展示了如何在尖峰神经网络中实现有效的线性素描的重要流技术。在下边界，我们给出了通用的还原，表明可以通过空间良好的流媒体算法模拟任何有效的尖峰神经网络。这种还原使我们能够将流空间的下限转换为几乎匹配的神经空间下限，从而在两个模型之间建立了密切的连接。
预输Sars-Cov-2尖峰RNA疫苗具有高度免疫原性，可防止非人类灵长类动物的肺部感染
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该版本的版权持有人于2020年9月8日发布。 https://doi.org/10.1101/2020.09.09.08.280818 doi：biorxiv preprint
SARS-COV-2的蛋白质和主要蛋白酶作为双抑制剂 用于乳腺癌治疗的聚合物纳米颗粒 类型，合成，表征和应用 生物污染和缓解方法：评论 用有机硫和类黄酮化合物的虚拟筛查和分子对接研究，靶向雌激素受体蛋白的大蒜 基于传感器的添加剂制造技术 重新利用针对Covid-19的尖峰受体的药物进行治疗：一种计算机方法 环境生物修复的极端微生物 在FDA批准的青蒿素的硅药物中重新利用
重组蛋白在治疗几种疾病中作为药物发挥了重要作用。这些蛋白质主要分为天然类似物和蛋白质融合[1-4]。人类胰岛素（Humulin R）[3，5]和Etanercept（Enbrel）[6，7]在1982年和1998年被两组（类似物和融合）批准为1982年和1998年的生物药物剂（FDA）。输注蛋白，一个结构域提供特定的生物学活性，例如酶活性（例如，凝结因子），靶向激活或失活（例如，受体的配体）和毒性（例如，二胚蛋白毒素）。以及其他领域传达了更通用的功能，例如延长半衰期，提高效率，降低免疫原性[8-11]，提高溶解度，折叠，稳定性和/或热稳定性以及提供新的靶向和递送途径[12-14]。