也许最著名的仿生示例是Velcro®。它是由一位名为George de Mestral的瑞士工程师于1941年发明的。有一天,梅斯特里亚注意到牛的头发上粘在他的头发上。在显微镜下,他发现这些种子上有钩子,因此它们坚持在衣服或头发上循环。耶稣遗传复制了这一想法,并创建了两条材料:一个带有微小的钩子,另一个带有松散的环。当他将两个条放在一起时,它们像胶一样粘。但是,与胶水不同,他可以将条带剥离并重新安装它们。velcro®最初对时装公司不受欢迎,但是在NASA将其用来阻止物品在太空中流动之后,它在儿童服装公司中变得很受欢迎。今天,它用于固定从午餐袋到鞋子的所有东西。3
在这些意外发现的背面,研究人员开始探索系统的筛选方法以识别其他AED,这导致了两个重要的动物模型的发展,以用于初步测试。在1930年代初期,特雷西·J·梅里特(Tracy J.他们发现并显示了制药公司Parke-Davis提供的苯妥英(以品牌Dilantin出售)的临床功效,此外还有其他一些化学物质的功效。Parke-Davis还赞助了这项研究。24后来对电击测试进行了调整,以用于小鼠和大鼠,并创建了最大的电笔癫痫发作(MES)测试。25本质上,MES测试涉及传递足够强度的电刺激,以诱导大鼠后肢的最大癫痫发作。26在该模型中,希望分析AED的活性的研究人员可以轻松地评估有或没有AED给药的阈值电流的增加。27 MES测试很容易进行,需要对设备和技术专业知识进行最少的投资,并且标准化了。28
图 1. 具有连接权重 𝑤𝑤 𝑖𝑖𝑖𝑖 的 𝑁𝑁 二进制节点(0 或 1)的循环网络。(左)Hopfield 模型。(中)玻尔兹曼机。节点分为两组,可见节点(空心圆)和隐藏节点(灰色)。网络经过训练可以近似给定一组可见模式的概率分布。训练完成后,网络可用于从学习到的分布中生成新实例。(右)受限玻尔兹曼机 (RBM)。与玻尔兹曼机相同,但可见层内或隐藏节点之间没有任何耦合。此变体可用于深度网络的逐层预训练。
图 1. 具有连接权重 𝑤𝑤 𝑖𝑖𝑖𝑖 的 𝑁𝑁 二进制节点(0 或 1)的循环网络。(左)Hopfield 模型。(中)玻尔兹曼机。节点分为两组,可见节点(空心圆)和隐藏节点(灰色)。网络经过训练可以近似给定一组可见模式的概率分布。训练完成后,网络可用于从学习到的分布中生成新实例。(右)受限玻尔兹曼机 (RBM)。与玻尔兹曼机相同,但可见层内或隐藏节点之间没有任何耦合。此变体可用于深度网络的逐层预训练。