大脑皮层在人类和其他动物对不可预测的地形变化的适应性中起着重要作用,但是在此过程中,皮质区域之间的功能网络知之甚少。为了解决这个问题,我们训练了6只老鼠,视力阻塞,在带有不平衡区域的跑步机上双胎行走。全脑电脑电图信号通过32通道植入电极记录。之后,我们使用时间窗口扫描所有大鼠的信号,并使用相位延迟索引量化每个窗口中的功能连接。最后,使用机器学习算法来验证在检测大鼠运动状态时动态网络分析的可能性。我们发现,与步行阶段相比,在制备阶段的功能连接水平更高。此外,皮质更加注意控制肌肉活动需求更高的后肢的控制。功能连接的水平较低,可以预测前方的地形。大鼠意外地与不均匀的地形接触后的功能连通性突发,而在随后的运动中,它明显低于正常行走。另外,分类结果表明,使用多个步态阶段的相位延迟指数作为特征可以有效地检测步行过程中大鼠的运动状态。这些结果突出了皮质在动物对意外地形适应中的作用,并可能有助于推进运动控制研究和神经植物的设计。
航空业已见证了许多新型航空电子系统(例如,姿态指示器、无线电导航、仪表着陆系统、近地警告系统)的引入,这些系统旨在克服飞行员外部能见度有限的问题。然而,能见度有限仍然是影响全球航空运营安全和容量的最关键因素。仅在商业航空业,全球超过 30% 的致命事故被归类为可控飞行撞地 (CFIT),即正常运转、机械完好的飞机撞上地形或障碍物,而机组人员由于缺乏外部视觉参考或地形/危险态势感知受损而无法看到。在通用航空业,最大的事故类别是持续飞行进入仪表气象条件,即非仪表等级飞行员继续飞入恶化的天气和能见度,导致视野消失,并可能撞上意外地形或空间迷失方向并失去控制。最后,影响机场延误的最大因素是能见度有限,当天气条件低于目视飞行规则操作时,能见度会降低跑道容量并增加空中交通分离所需的距离。