【摘 要】
：
神经元突触可塑性是大脑记忆形成与存储的重要生理模型,核内转录因子cAMP反应结合蛋白CREB在其诱导与维持中具有重要调控作用.针对目前CREB调控神经元突触可塑行为的分子信号转导机制尚不清晰的问题,采用数学建模与数值仿真相结合的方法,通过整合神经元膜上突触活动、突触信号在细胞质中的级联反应传递、激发型与抑制型CREB介导的基因转录以及新合成蛋白对NMDA膜受体的反馈调控,建立了一个从神经元膜到核的分子信号转导计算模型.通过数值仿真,探究了模型的动力学特性,表明在不同的突触刺激频率域下,CREB介导的分子信
【机 构】
：
河北农业大学人事处,河北 保定071001;河北农业大学信息科学与技术学院,河北 保定071001
论文部分内容阅读
神经元突触可塑性是大脑记忆形成与存储的重要生理模型,核内转录因子cAMP反应结合蛋白CREB在其诱导与维持中具有重要调控作用.针对目前CREB调控神经元突触可塑行为的分子信号转导机制尚不清晰的问题,采用数学建模与数值仿真相结合的方法,通过整合神经元膜上突触活动、突触信号在细胞质中的级联反应传递、激发型与抑制型CREB介导的基因转录以及新合成蛋白对NMDA膜受体的反馈调控,建立了一个从神经元膜到核的分子信号转导计算模型.通过数值仿真,探究了模型的动力学特性,表明在不同的突触刺激频率域下,CREB介导的分子信号转导系统呈现出静息、长时程增强和长时程抑制三种可塑性形态,由此得出结论,激发型与抑制型CREB对神经元生化级联反应的有序调控是神经元双向突触可塑性诱导与维持的导向机制之一.
其他文献
针对目前算法对跨域虚拟化网络进行多层映射时,由于未能利用TOPSIS(逼近理想解排序法)计算网络中虚拟节点的映射优先级,导致该算法在映射时无法有效检测出网络路径的衰减曲线,存在映射的精准度低、映射成本高的问题,提出基于拓扑感知的跨域虚拟化网络多层映射算法.该算法首先对网络中的节点属性进行分析,基于分析结果对网络中的节点映射优先级进行计算;再结合网络的拓扑感知结构构建面向跨域虚拟化网络的多层映射算法;最后利用该算法构建一个网络节点评价模型并对其进行求解,从而实现对跨域虚拟化网络的多层映射.实验结果表明,该算
采用目前算法对物联网传感器节点进行故障标定时,没有对节点信息进行聚类处理,导致算法存在虚警率高、计算复杂度高和标记范围小的问题.提出基于BDPCA聚类的物联网传感器节点故障标记算法,采用BDPCA聚类方法对物联网传感器节点信息进行聚类处理,并在聚类过程中对节点信息进行了零均值归一化处理.结合区分函数和区分矩阵在粗糙集理论的基础上对不同类别的节点信息进行知识约简处理,并通过贝叶斯决策理论实现物联网传感器节点的故障标记.实验结果表明,所提算法的虚警率低、计算复杂度低、标记范围广.
针对聚类算法处理海量数据所存在的不足,提出基于Spark的K-means快速聚类算法的优化.使用形态学相似距离代替欧氏距离作为相似度测量标准来提高聚类准确率;通过最大距离(Max-distince)准则改进因初始聚类中心选取不当而造成的局部最优问题;为减少迭代过程中的冗余计算,利用数据集中点的位置信息与聚类质心的位置关系建立网格结构.综合肘部法则绘制误差平方和SSE-K的关系图确定K值,并在Spark实现SMGK-means(SparkMaxGridK-means)聚类算法.通过实验表明,SMGK-mea
针对6LoWPAN网络中移动集群在切换过程中存在的切换延迟高、计算开销大的问题,提出一种边缘认证切换方法,以支持资源受限节点的安全切换.提出的方法在初始化阶段执行完全身份验证,在切换之前将切换密钥预分配给集群节点和关联节点.上述方法实现了在关联节点上执行移动集群的认证切换,并且仅使用轻量级加密算法.安全性分析和仿真结果表明,所提方法满足安全要求,并有效减少了通信延迟和计算开销,从而降低了切换延迟,实现了集群的快速安全切换.
由于当前已有模型未能对加权复杂网络数据进行去噪处理,导致网络聚类结果和聚类质量不理想,聚类实际运行时间上升.提出一种基于空间关联性的加权复杂网络聚类模型,通过法向张量投票技术组建投影时的局部坐标系,获取网络编码局部几何结构,利用邻居节点间感知数据的空间关联性过滤噪声数据,同时使用坐标更新算法调整噪声点位置,实现复杂网络数据去噪.加权复杂网络将数据从输入空间非线性映射到特征空间,获取网络的特征向量,同时使用谱聚类算法构建加权复杂网络聚类模型,通过随机梯度下降法对模型进行优化实现网络聚类.仿真实验结果表明,所
由于不能合理协调网络运行资源,导致通信拥挤、安全性能下降,为此,提出基于逻辑分区的云虚拟机负载均衡优化算法.采用逻辑分区方式划分各分区虚拟机负载情况与业务形式,并以平均任务完成时长当作优化目标,搭建资源调度数学模型,根据虚拟机配置数组情况把多维资源协调问题变换成单维协调问题;利用遗传算法对单维虚拟机资源编码与解码,生成新的资源,运用基因突变原理自适应调节资源,完成负载均衡优化.实验结果表明,所提算法负载均衡效果较好,资源调度时间最短,并具有良好的收敛性.
为有效挖掘所需的多维关联数据,及时获取多维关联数据中的可用信息,结合概率统计理念,构建出多维关联数据动态挖掘方法.基于核密度估计的非参数概率密度预估形式,结合实际的数据分布先验知识,设计半参数化概率密度预估模型.根据制定的参数设置原则,合理设置模型参数,利用改进的遗传优化算法,提取出多维关联数据间关联规则.将滑动窗口设定成动态采集窗口,利用界定规则动态采集数据,令连续两个窗口部分重合,反复求解叠加区域的边界数据,实现数据动态处理,依据时间门限值,采用K标号方法动态控制、挖掘目标数据.仿真阶段,以道路交通事
由于传统方法没有对模型噪声实现有效处理,导致辨识精度与辨识速度较低,为此提出基于调制函数法的动力学系统参数辨识算法.对模型噪声进行表示与替换,通过调制函数法构造辨识模型,通过递推算法对辨识模型进行处理以实现噪声的处理.为构造出与动力学系统模型相一致的参数辨识模型,以动力学系统模型为基础对参数辨识模型的神经网络拓扑结构进行构造.由于动力学系统存在输出误差,需要对参数辨识模型的权值调整算法进行设置,最终完成对动力学系统的参数辨识.在仿真实验中,利用设计算法对某伺服系统进行参数辨识,辨识的参数包括阻尼、刚度、惯
当前的工业以太网协议通信异常检测方法无法分析通信信号传输特征,导致传统方法出现检测误差大、适应度低以及检测覆盖率低的问题.为此,提出工业以太网Powerlink协议通信周期约束异常检测方法.采用主成分分析算法构建工业以太网的通信流量模型,分析通信信号的传输特性.通过卡方检测方法在通信流量模型基础上提取工业以太网Powerlink协议通信特征,结合PSO算法和SVM算法构建异常检测模型,将提取的Powerlink协议通信特征输入异常检测模型中,实现工业以太网Powerlink协议通信的周期约束异常检测.仿真
针对AUBO-I5型协作机器人,进行三维可视化仿真程序设计.首先根据机器人的结构特点,建立机器人D-H坐标系,进行机器人的正逆运动学分析,得到机器人正逆解的求解算法;基于“行程最短”准则获取机器人的运动最优解;利用Solidworks创建机器人三维模型,通过C++编程软件和OpenGL图形库搭建机器人的三维可视化仿真环境.仿真程序能直接观测到机器人的运行状况,同时能通过TCP连接机器人进行仿真示教,并通过仿真结果和示教实验,验证了所提出机器人运动学算法的正确性.