发布时间：
其实睡觉这种事是越睡越困的，并不是睡得越多越好的
这个是因为人的体质都是不一样的，有着很大的差距的。
随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!
人工神经网络的发展及应用
摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。
关键词人工神经网络;发展;应用
随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。
1人工神经网络概述
关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。
2人工神经网络的发展历程
2.1 萌芽时期
在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。
2.2 低谷时期
在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。
2.3 复兴时期
美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。
2.4 稳步发展时期
随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。
随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。
3人工神经网络的应用
3.1 在信息领域中的应用
人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。
3.2 在医学领域的应用
人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。
3.3 在经济领域中的应用
经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。
3.4 在其他领域的应用
人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。
4总结
随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。
参考文献
[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.
[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.
[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.
[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.
[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.
下一页分享更优秀的<<<人工智能神经网络论文
深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。 一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。 在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。 用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。 而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。 而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。 人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。 深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。 但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。 一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。 然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。 例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。 对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。 这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。 如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？ 换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？ 这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。 在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。 根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。 此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。 这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。 该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。 两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。 表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。 最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。 该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。 如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。 再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。 在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。 随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。 最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。 总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。 除了这篇 这篇 研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]
2009年本刊重点出版对神经损伤修复过程中原位神经干细胞以及移植的神经干细胞作用机制的研究，出版神经组织工程、神经退行性疾病组织形态学变化以及中医药对神经细胞、神经组织再生过程中生理、病理结构变化影响的相关研究文章。面向国际，立足国际，关注全球范围内具有创新性的抑制、促进或影响神经细胞、神经组织再生结构变化相关机制的研究，关注由此而发生的一系列功能变化及其相互关系。感兴趣神经解剖学、病理学、生理学、生物化学、药理学、免疫学、发育学等来自多学科、多层面的题材，感兴趣发表以基础实验性研究为主的揭示大脑皮质、海马、松果体、神经胶质细胞、脊髓神经元、周围神经元以及运动和感觉神经损伤与再生的研究原著，对有助于认识神经再生正常和异常机制的临床类文章，如罕见病例报告、调查分析等也可纳入范围。欢迎文章从理论假设、研究方法、模型制备、影像学技术等多个视角描述神经再生的相关特点，为读者提供该领域最有价值的学科进展信息及其最新的理论观点，增强对神经再生复杂机制、学说和病理发生过程的理解。一般文章2000-4000单词。非常注重出版时效。投稿15～30天编辑部采用随机盲法抽取国际评审专家审稿，符合采用标准的文章进入修稿程序，力求出版周期120～180天，以保证高质量优秀稿件抢先出版。 科学引文索引（SCI）2006年被SCI引文库收录8篇2008年1月至2008年7月被SCI收录文章188篇美国生物学文献数据库（BIOSIS）美国《化学文摘》（CA）荷兰《医学文摘库/医学文摘》（EM）波兰《哥伯尼索引》（IC）中国英文版科技期刊数据库(统计源期刊)中国科学引文数据库（核心期刊）2007年被CA收录247篇，被EM收录173篇 Prof. Kwok-Fai So, Ph.D.Member, Chinese Academy of SciencesChair Professor, Jessie Ho Professor in NeuroscienceDepartment of Anatomy, The University of Hong KongCo-DirectorsJNU-HKU Joint Laboratory for Brain Function and Health Jinan UniversityProf. Xiao-Ming Xu, Ph.D.Professor and Mari Hulman George Chair of Neurological SurgeryScientific Director, Spinal Cord and Brain Injury Research GroupIndiana University School of Medicine 2006年4月创刊，2007年被CA，EM，IC等国际重要数据库收录，同时被中国统计源期刊（英文版），中国科学引文数据库核心版收录。出版21期，2008年1月起被SCI、美国生物学文献数据库(BIOSIS)、SCOPUS数据库收录，并被美国OVID期刊全文数据库收录，同时被全球2000余家机构检索和阅读。2006年4月创刊，月刊，2008年为半月刊，2011年杂志以旬刊出版。2011年6月SCI首次公布NRR杂志影响因子为0.18。2012年6月SCI公布NRR杂志影响因子为0.216。ISSN 1673-5374 CN 11-5422/R 脑损伤与神经再生脊髓损伤与神经再生周围神经损伤与神经再生中医药与神经再生针灸与神经再生炎症与神经再生胶质瘢痕与神经再生神经可塑性与神经再生干细胞与神经再生组织工程与神经再生神经康复与神经再生基因治疗与神经再生生物因子与神经再生神经影像与神经再生神经退行性变与神经再生神经发生与神经再生神经再生的评价 研究原著 技术方法 临床实践 循证医学 特邀专家撰写的综述及学术探讨
大鼠异体神经段皮下包埋后的形态学特征高明堂1,蒋电明2（1郑州第五人民医院骨科, 河南省郑州市450003；2重庆医科大学附属第一医院骨科，重庆市400016）高明堂，男，1969年生，河南省扶沟县人，汉族，2002年重庆医科大学毕业，硕士，主治医师，主要从事周围神经损伤的研究。摘要背景：有研究表明，皮下包埋的异体周围神经片可显著减少淋巴细胞浸润，降低免疫反应。目的:观察大鼠异体神经段经皮下包埋2周后大体形态、光镜和电镜观察结果，并与自体神经段皮下包埋结果进行比较。设计：随机对照实验。单位：郑州第五人民医院骨科和重庆医科大学附属第一医院骨科。材料：选用30只成年健康Wistar雄性大鼠，体质量（200±20）g。取10只大鼠为异体神经移植的供体。将其余20只按随机抽签法分为2组：异体神经包埋组和自体神经包埋组，每组10只。JEM-1220型透射电子显微镜（日本）。Olympus BX50光学显微镜（日本）。方法：实验于2000-10/2002-04在重庆医科大学骨科实验室完成。（1）在异体神经移植的供体大鼠坐骨神经骨盆出口以远5mm处切断，向远处取长约15mm坐骨神经一段作为移植物。异体神经包埋组：取供体大鼠15mm坐骨神经段包埋于右大腿后侧。自体神经包埋组：在右大腿后侧埋入自体左侧15mm坐骨神经片段。（2）术后2周取出皮下包埋的神经段，进行大体观察；然后2组各随机取5个标本做苏木精-伊红染色，进行光镜观察（×400）；其余各5个标本作超薄切片（0.5μm）透射电镜下观察（×17000）。主要观察结果：两组大鼠神经段经皮下包埋2周后大体形态、光镜和电镜观察结果。结果：（1）大体观察结果：2组神经段外观相近。（2）光镜观察结果：2组均见髓鞘变性，轴突断裂，血管充血，外膜结缔组织增生，炎性细胞浸润。异体神经包埋组炎性反应稍重于自体神经包埋组。（3）电镜观察结果：2组可见相似的髓鞘退变、变性，许旺细胞退变。结论： 异体神经包埋后周围神经发生一定的炎性反应，但许旺细胞活性与自体神经包埋后周围神经相似。《中国神经再生研究（英文版）》2006年8-12月发稿重点 详见网站： http://www.sjzsyj.com☆ 中枢神经损伤与再生的应用基础与临床研究☆ 周围神经损伤与再生的应用基础与临床研究☆ 神经损伤与再生的创新性机制研究☆ 神经损伤与再生相关的多种因子研究☆ 神经损伤与再生相关的蛋白质组学研究☆ 应用干细胞、组织工程技术干预神经损伤与再生的各类相关研究☆ 应用中医药技术干预神经损伤与再生的各类相关研究北大副教授杨柳参加哈佛眼科研究所视神经再生研究北大医院眼科副教授杨柳在美国从事博士后研究期间，与哈佛医学院Schepens眼科研究所的研究人员一起完成了损伤的视神经从眼球到脑内靶组织的再生的研究。文章发表在2005年3月的Jonrnal Cell Science。领导这一研究的哈佛医学院眼科副教授陈东风说：“这是一个美梦成真的时刻，也是迄今为止能够使如此多的神经纤维再生到如此远距离的靶组织的唯一研究，而以前作为中枢神经系统一部分的视神经损伤后是不能再生的。”这将会为众多由于青光眼和视神经损伤而致盲的患者，同时也对脊髓损伤患者带来康复的希望。该研究是在实验室小鼠身上实现的，他们利用视神经损伤模型，着力研究是什么原因造成了哺乳动物中枢神经系统再生的障碍，并努力扭转这种再生的障碍，通过Bcl-2高表达和抑制瘢痕的形成实现了小鼠视神经的再生。这一研究小组认为，至少看到40%的神经纤维再生，但是我们相信实际上再生的比例更高。下一步就是要研究再生的视神经是否有功能，也就是说小鼠是否能够重新恢复视力。当然将Bcl-2高表达结合防止瘢痕形成同样也会在其他中枢神经系统的再生中起作用，使脊髓损伤患者能够有希望重新站立行走。Schepens眼科研究所是美国哈佛医学院附属研究所，是世界上最大的独立眼科研究所。杨柳于2001年11月至2003年12月在美国哈佛医学院Schepens眼科研究所进行为期两年的博士后研究，重点进行视神经再生和视网膜脱离后神经细胞凋亡和拯救的研究工作。而视神经再生从眼球长到脑内靶组织的研究是由杨柳完成的。目前杨柳正在与Schepens眼科研究所合作，继续对小鼠视神经再生及功能恢复进行研究。近日，在美国哈佛大学医学院Schepens眼科研究所诞生一项重大突破：科学家通过抗凋亡基因Bcl－2高表达和抑制损伤瘢痕的形成实现了小鼠视神经的再生，为青光眼等永久致盲性眼病患者带来康复的希望。研究论文发表在国际权威杂志《细胞科学杂志》今年3月号上。北京大学第一医院眼科副教授杨柳在哈佛医学院Schepens眼科研究所做博士后期间全程参与这一课题，并承担了第一部分的全部研究，也正是得到高度评价的“科学家首次使视神经再生——从眼球再生到脑内”的部分。杨柳与哈佛同行一起，利用视神经损伤模型，致力于研究是什么原因造成了哺乳动物中枢神经系统再生的障碍，并努力逆转这种再生的障碍。研究分两部分，第一部分研究发现，出生后3天的Bcl－2转基因小鼠在视神经夹闭损伤后24小时，即可见到视神经轴突的再生，4天后再生的视神经轴突长入脑内的靶组织，可见抗凋亡基因Bcl－2是关键的神经再生内在因子；第二部分研究发现，成熟的神经胶质细胞是抑制中枢神经系统损伤后再生的关键的外部因素。由上述研究他们得出结论：出生后Bcl－2基因的下调和损伤后神经胶质瘢痕的形成是导致中枢神经系统再生能力丧失的关键因素。国际青光眼协会主席Wright评论说：“这一研究结果将对由于青光眼和其他视神经损伤所致的视力损害或盲目带来革命性的治疗技术。”
如：
陈燕，（2008)，神经元的突触可塑性与学习和记忆，生物化学与生物物理进展，35(6)，610-619，期刊和卷号是斜体。
2020年12月24日，《本科毕业论文（设计）抽检办法（试行）》提出，本科毕业论文抽检每年进行一次，抽检比例原则上应不低于2%。
撰写英文题名的注意事项
①英文题名以短语为主要形式，尤以名词短语最常见，即题名基本上由一个或几个名词加上其前置和（或）后置定语构成；短语型题名要确定好中心词，再进行前后修饰。各个词的顺序很重要，词序不当，会导致表达不准。
②一般不要用陈述句，因为题名主要起标示作用，而陈述句容易使题名具有判断式的语义，且不够精炼和醒目。少数情况（评述性、综述性和驳斥性）下可以用疑问句做题名，因为疑问句有探讨性语气，易引起读者兴趣。
③同一篇论文的英文题名与中文题名内容上应一致，但不等于说词语要一一对应。在许多情况下，个别非实质性的词可以省略或变动。
④国外科技期刊一般对题名字数有所限制，有的规定题名不超过2行，每行不超过42个印刷符号和空格；有的要求题名不超过14个词。这些规定可供我们参考。
⑤在论文的英文题名中。凡可用可不用的冠词均不用。
医学神经生物学。。。。。神经科学（中译本）神经生物学（神经元到脑）和细胞生物学考研精解一起看吧！也许对你有帮助！ 内容简介本书是神经生物学领域内的一本世界级名著，本版为跨世纪的第4版。内容涵盖了神经生物学的许多重要方面，系统介绍了神经生物学的基本概念、神经系统的功能及其细胞和分子机制。作者应用许多生动的实例，通过严密的逻辑组织起来，以展示神经生物学的发展脉络。结合300余幅制作精良的插图，为读者提供了这门重要学科的一幅有内在联系的全景图。全书把神经生物学的基本原理和近年进展紧密结合起来，文笔流畅，深入浅出，对相关领域的学生、教授和研究人员均是一本有用的参考书。 作者简介J.G.尼克尔斯（John G.Nicholls）意大利Trieste国际高级研究院生物物理学教授。1929年生于伦敦，在Charing Cross医院获医学学位，后在伦敦大学生物物理系Bernard Katz爵士指导下进行研究，获生理学博士。他曾在伦敦大学院、牛津大学、哈佛大学、耶鲁大学、斯坦福大学及瑞士Basel生物研究中心工作。与S.库福乐一起进行了有关神经胶质细胞的实验，并撰写了本书的第一版。他是英国皇家学会会员、墨西哥医学科学院院士，曾获委内瑞拉Andres Bello勋章，曾在美国伍茨霍尔、冷泉港，以及许多国家的大学中开设过神经生物学的理论和实验课程，这些画家包括阿根廷、澳大利亚、马西、智利、中国、印度、以色列、马来西亚、墨西哥、尼日利亚、菲律宾、斯里兰卡、乌拉圭和委内瑞拉。他的研究工作专注于神经系统损伤后的再生，最初是对无脊椎动物水蛭进行研究，现在则是以未成熟的哺乳动物脊髓为标本。 目录第一章 信号运作和组够原理第二章 离子通道和信号传递第三章 离子通道的结构第四章 跨细胞膜转运第五章 静息膜电位的离子基础第六章 动作电位的离子基础第七章 神经元作为电导体第八章 神经胶质细胞的特性与功能第九章 直接性突触传递的原理第十章 突触传递的间接机制第十一章 递质的释放第十二章 突触可塑性第十三章 突触传递的细胞和分子生化机制第十四章 中枢神经系统递质第十五章 水蛭、蚂蚁和蜜蜂中整合和行为的细胞机制第十六章 自主神经系统第十七章 机械和化学刺激的转导第十八章 躯体感觉和听觉信号的处理第十九章 视网膜的信号转导和加工第二十章 外膝核和初级视皮层的信号处理第二十一章 视皮层的功能构筑第二十二章 运动控制的细胞机制第二十三章 神经系统的发育第二十四章 突触连接的去神经支配和再生第二十五章 视觉及听觉系统的关键期第二十六章 悬而未决的问题附录A 电路中的电流附录B 低分子质量递质合成及失活的代谢途径附录C 脑的结构和通路
神经元的突触可塑性
发表专业学术论文40余篇，其中5篇分别发表在J Neuroscience,J Physiology,JBC等英文杂志，3篇第1作者SCIIF指数达8.306；8.178；3.972分。参与2000年国家“九五”规划重点图书《基因诊断与基因治疗进展》编著；参与2006年郭玉璞主审《神经病学》的编写，第19章第7节“多系统萎缩”。训，韩永升，韩永竹等。成肌细胞移植治疗DMD模型-mdx鼠dystrophin表达的研究。安徽医学，2009,（2）: 101-103李彬，王训，杨任民，. 帕金森病非运动症状的药物治疗[J]. 安徽医学，2008,（3）：333-335韩永升，王训，韩咏竹，等。免疫荧光检测对肌营养不良症临床诊断的价值[J]. 临床神经病学杂志，2006,19（6）：403-405.吕达平. 韩咏竹. 王训等。肝豆状核变性患者肝细胞铜代谢的研究. 中华神经科杂志。2005；38（7）：464
听神经瘤是指起源于听神经鞘的肿瘤，为良性肿瘤，确切的称谓应是听神经鞘瘤，是常见颅内肿瘤之一，占颅内肿瘤的7%～12%，占桥小脑角肿瘤的80%～95%。多见于成年人，高峰在30～50岁，20岁以下者少见，儿童单发性听神经瘤非常罕见。
听神经瘤起源位于听神经的鞘膜，多发生于前庭支，少数发生在耳蜗支。听神经瘤的发病率占颅内肿瘤的10%，是良性肿瘤，早诊断早治疗效果好。发病高峰年龄是30-50岁左右，儿童少见，男女比例是1:1.26，肿瘤分布于左右侧，少数病例为双侧。此疾病病程多在3-5年，个别最短10余天，最长是数十多年。肿瘤大部分发生在外侧部，首发症状多是进行性单侧听力减退伴耳鸣，眩晕是听神经瘤最早最突出的特点，约占70%。听神经瘤早期症状：①耳鸣：多为单一性，渐进性加剧，多与听力减退同时开始，但也可能是早期唯一症状。②听力减退：一侧渐进性耳聋，渐发展为全聋。③眩晕：少数表现为短暂的旋转性眩晕，④患侧耳内深处或乳突部疼痛，外耳道后壁麻木感。
只知道对听力有一定的影响，严重的话会病变
1、保守治疗：针对无神经症状、高龄或全身情况较差的小听神经瘤，可不急于治疗，通过定期的MRI检查进行进行随访观察，一般肿瘤平均年生长率≤0.36mm不需要接受治疗，若肿瘤进行性生长则再考虑手术或放化疗等。2、手术治疗：主要是行手术全切，其最大的困难在于肿瘤的全切除、面神经功能和听力的保留上。随着显微外科技术的发展及成熟，自听神经瘤的治疗上显微外科手术是最好的选择，在保护面神经(防止面瘫，即面神经麻痹)和听力等方面都有显著优势，同时也减少并发症的产生。3、立体定向放射治疗：随着CT和MRI等影像学技术的发展，使得听神经瘤的定位、定性诊断更加准确，为立体定向放射治疗提供了有效保障，常见的主要包括X刀、γ刀、质子刀等治疗方式。它是继显微神经外科手术的又一可靠的应用广泛的治疗方式。