-
题名青少年抑郁的心理影响因素及其神经机制
被引量：10
- 1
-
-
作者
张萍
赵参参
李鹏
张文海
魏青
刘强
李红
-
机构
辽宁师范大学脑与认知神经科学研究中心
成都大学教育科学研究院
深圳大学心理与社会学院
-
出处
《心理研究》
2017年第1期78-83,共6页
-
基金
国家自然科学基金项目(31470997)
-
文摘
青少年时期是抑郁发生的一个敏感时期,而且青少年抑郁对个体成年后的心理健康有一定的预测作用。本研究以青少年为研究对象,首先介绍青少年抑郁的心理影响因素,包括个体差异、同伴关系、家庭等。其次,介绍青少年抑郁的神经机制,尤其是青少年抑郁患者负偏向过度和快感缺失的神经机制研究结果。本文在总结已有研究的基础上,希望未来研究能进一步关注青少年抑郁,为青少年健康成长做出贡献。
-
关键词
青少年
抑郁
负偏向过度
快感缺失
-
Keywords
adolescent
depression
hyperactive negativity
anhedonia
-
分类号
B844.2
[哲学宗教—发展与教育心理学]
-
-
题名增龄性联结记忆损伤及其影响因素
被引量：4
- 2
-
-
作者
赵梦阳
郭若宇
毛伟宾
赵参参
-
机构
山东师范大学心理学院
-
出处
《心理科学进展》
CSSCI
CSCD
北大核心
2019年第10期1677-1686,共10页
-
基金
国家自然科学基金项目(31571113)
-
文摘
老年人的联结记忆随年龄增长而出现普遍损伤,这种增龄性联结记忆损伤究竟是因捆绑功能受损导致的特定损伤还是因整体认知机能受损导致的信息表征能力的整体损伤,还存有争论。以 Naveh-Benjamin(2000)的联结损伤假说(ADH)为代表的特定损伤观认为,增龄性联结记忆损伤与老年人捆绑不同项目和提取这些捆绑的特定加工过程的损伤有关;而以 Benjamin (2010)的 DRYAD 模型为代表的整体损伤观则认为,增龄性联结记忆损伤与老年人因老化而导致的记忆保持精度的整体损伤有关。二者在基本观e点、实验支持及存在问题上各有侧重。此外,影响增龄性联结损伤的因素还可大致分为刺激信息特性n、被c试主体特点两方面。同时强调未来研究不仅要关注老年人联结损伤的认知机制和影响因素,更应关注其实际应用和临床指导价值。
-
关键词
联结记忆
老化
增龄性联结损伤
整体损伤观
特定损伤观
-
Keywords
associative memory
aging
age-related associative deficit
global deficit view
specific deficit view
-
分类号
B842
[哲学宗教—基础心理学]
-
-
题名基于SSA-PSO-ANFIS的短期风速预测研究
被引量：24
- 3
-
-
作者
林涛
刘航鹏
赵参参
赵成林
马同宽
-
机构
河北工业大学人工智能与数据科学学院
河北建投新能源有限公司
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2021年第3期128-134,共7页
-
基金
江河北省科技计划(17214304D)。
-
文摘
针对风速具有强非线性的特点,提出一种奇异谱分析和改进粒子群优化自适应模糊推理系统的短期风速预测模型。该方法采用奇异谱分析将原始序列分解为趋势和谐波分量,对各分量分别建立模糊神经网络模型,最后将各分量预测结果叠加得到预测风速值。为提高预测精度,改用改进粒子群算法对自适应模糊推理系统的隶属度函数进行优化。以河北某风电场实测数据进行仿真并与传统的神经网络对比分析,结果表明将风速重构后分别预测再叠加降低了原始问题的复杂度,同时提高了预测精度,在不同时间间隔的风速序列预测中该模型显著降低了多步实时预测中的误差。
-
关键词
风电
预测
粒子群算法
奇异谱分析
自适应模糊神经网络
-
Keywords
wind power
forecasting
particle swarm optimization
singular spectrum analysis
adaptive fuzzy neural network
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于多尺度编码互补注意力网络的光伏缺陷检测
被引量：3
- 4
-
-
作者
陈海永
袁乐
王世杰
赵参参
-
机构
河北工业大学人工智能与数据科学学院
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第10期191-197,共7页
-
基金
国家自然科学基金(U21A20482,62073117)
中央引导地方科技发展资金项目(206Z1701G)。
-
文摘
由于光伏组件的电致发光(EL)缺陷存在微小、微弱的特点,导致EL图像缺陷检测是一项具有挑战性的任务,因此,提出多尺度编码互补注意力网络(MCECAN)。MCECAN的主干和预测头遵从YOLO系列设计,网络颈部应用多尺度编码互补注意力模块(MCECAM)。该模块前端利用多尺度编码器聚合多尺度信息、增强全局信息,后端互补坐标注意力建立特征图通道间的依赖关系,突出缺陷特征并抑制背景干扰,提高网络对微小、微弱目标的检测能力。在包含5537张EL图像的数据集上,该方法取得了优秀的检测性能。
-
关键词
光伏组件
缺陷检测
卷积神经网络
多尺度编码器
互补坐标注意力
-
Keywords
photovoltaic modules
defect detection
convolutional neural network
multi-scale encoder
complementary coordinate attention
-
分类号
TK391.4
[动力工程及工程热物理—热能工程]
-
