分类: 心理学 >> 认知心理学 提交时间: 2022-11-17
自我参照(self-reference,或自我参照加工)指人们加工与自己相关的信息时的认知过程。认知神经科学领域对“自我参照”进行诸多研究以理解人类自我认知的神经基础。但是,“自我参照”一词在不同研究中是否表征着相同的心理过程?这一根本问题鲜受关注。本研究尝试初步建立自我参照的本体论数据集以检验该问题。使用规范化流程系统地检索文献并筛选文章,随后两位独立的编码者对纳入文章在行为和神经层面对自我参照的操作化定义进行编码并标准化,形成“自我参照的神经成像认知本体论数据集”。本数据集来自66篇神经成像论文,包括行为与神经层面对自我参照的操作化定义(以CSV文件格式保存)、不同操作化定义下自我参照所激活大脑区域的坐标数据(以BrainMap格式保存)、说明手册。数据编码的一致性分析表明,编码结果可靠。与自动化元分析数据库Neurosynth相比,本数据集的论文筛选更加精准,且能够比较自我参照的不同操作化定义所激活脑区的异同,为理解自我参照的神经基础提供更精确的结果。本数据集为深入理解人类自我认知的神经机制提供基础,也为其他类似的元研究数据集的创建提供参考,促进认知本体论的研究。
分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-11-08 合作期刊: 《数据分析与知识发现》
摘要:【目的】为满足电网公司针对新能源项目投资进行管控的需要, 尝试基于电网公司内部大数据, 建立面向新能源项目投资效益评价的数据抽取方法和评价指标体系。【方法】基于电网公司SG-ERP 系统架构, 构建面向大数据应用的数据管理体系, 提出基于Golden Gate 的评价数据抽取方法, 建立覆盖项目经济、社会、环境效益,及项目决策期、建设期和运营期的全过程评价指标体系, 并辅以Delphi 法进行验证。【结果】通过实证得到指标变异系数权重和Y 市电网公司2015 年新能源项目投资的经济、社会和环境效益得分。【局限】量化评价指标时采取的分类标准可进一步细化。【结论】本研究方案可实现电力新能源项目投资效益全过程的评价, 数据抽取方法、评价指标体系和权重算法具有一定的推广价值。
分类: 天文学 >> 天文学 提交时间: 2017-10-20 合作期刊: 《天文研究与技术》
摘要:叙述了国家天文台升级改造后的2 840 MHz太阳射电辐射流量计的设计特点、性能、结构及观测结果。升级改造后的太阳射电辐射流量计将在较高时间分辨率上实时得到2 840 MHz频率上的太阳流量,为太阳物理研究积累丰富的观测数据,是太阳活动监测和预报的重要参数之一
分类: 生物学 >> 生物物理学 提交时间: 2016-05-11
摘要:Identification and detection of dendritic spines in neuron images are of high interest in diagnosis and treatment of neurological and psychiatric disorders (e.g., Alzheimer's disease, Parkinson's diseases, and autism). In this paper, we have proposed a novel automatic approach using wavelet-based conditional symmetric analysis and regularized morphological shared-weight neural networks (RMSNN) for dendritic spine identification involving the following steps: backbone extraction, localization of dendritic spines, and classification. First, a new algorithm based on wavelet transform and conditional symmetric analysis has been developed to extract backbone and locate the dendrite boundary. Then, the RMSNN has been proposed to classify the spines into three predefined categories (mushroom, thin, and stubby). We have compared our proposed approach against the existing methods. The experimental result demonstrates that the proposed approach can accurately locate the dendrite and accurately classify the spines into three categories with the accuracy of 99.1% for "mushroom" spines, 97.6% for "stubby" spines, and 98.6% for "thin" spines.