简介：具有大小，位移，旋转不变性（TRSI）的目标识别是一个三阶问题，如果采用三阶神经网可以使问题得以解决，但最大难点就是互连权矩阵的组合爆炸问题，在本文中，我们将视觉生物物理学的研究成果应用到高阶神经网的研究中，首次提出双向Log-Polar变换与高阶网（HONN）结合的方法，有效地解决了权系数的组合爆炸问题，进一步提高了识别率。取得了突破性进展，使得将高阶网用于自动目标识别成为可能。

简介：目的调查卒中患者便秘的发生情况及其影响因素,并建立便秘发生的函数预测模型.方法对2003年11月至2004年3月收治的64例卒中患者进行便秘的前瞻性调查,并对随访资料进行生存分析;建立便秘发生的函数预测模型及便秘是否发生的判别函数,并对资料进行回代检验.结果卒中患者便秘的发生率为60.93%(39/64),影响卒中患者发生便秘的主要因素是年龄和发病1周时总的生活能力状态的评分.卒中患者便秘发生的模型为h(t,X)=h0(t)exp(0.84X1+0.03X2);便秘发生判别函数为Y(1)=-27.67+4.84X1+0.30X2.结论卒中患者发病后10d内便秘的发生率较高,年龄较大且生活能力状态较低的卒中患者比较容易发生便秘.

简介：

简介：通过径向基函数神经网络的分析，对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测，获得脉冲电位信号样本，以主成分进行预分类，选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本，让神经网络进行自适应学习，以实现对原始信号的分类。仿真结果表明，在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。