功能性膳食补充对慢性情绪应激大鼠的影响

本文研究了功能性膳食补充对慢性应激状态下大鼠行为学、血清皮质醇和血浆儿茶酚胺等指标的干预作用。40只大鼠分为正常组、模型组、功能性膳食补充高剂量组和低剂量组。除正常组外,其余各组利用空瓶刺激诱发情绪应激,功能性膳食补充组连续灌服7 d,正常组与模型组灌服等容积蒸馏水。通过高架十字迷宫实验观察各组大鼠的行为学变化,同时检测各组大鼠血清皮质醇和血浆儿茶酚胺的水平。结果显示,与空白对照组比较,模型组大鼠进入开臂的次数百分比和时间百分比都极显著减少(p<0.01),血清皮质醇和血浆儿茶酚胺含量极显著升高(p<0.01);与模型组比较,功能性膳食补充极显著增加了大鼠进入开臂的次数百分比和时间百分比(p<0.01),并且血清皮质醇显著下降(p<0.05),血浆儿茶酚胺水平也有所回升,但无显著性。实验结果表明,功能性膳食补充能够缓解慢性情绪应激引起的大鼠行为学异常。      

Research on nonlinear dynamics features of emotional speech

The application of nonlinear measures based on the chaotic characteristics of emotional speech is proposed. Nonlinear features such as minimum delay time, dimension correlation, Kolmogorov entropy, Lyapunov exponent and Hurst exponent are extracted from the emotional speech signal. The performance of nonlinear features is verified by the comparisons of recognition rates of different features (nonlinear characteristics, prosodic features and MFCC features). First, the Berlin emotional speech database and TYUT2.0 emotional speech database are chosen as the corpus independently, both covering three emotional classifications (anger, happiness and fear). The effectiveness of the nonlinear characteristics is tested on the Support Vector Machine Network. The result shows that the performance of nonlinear features outperforms that of prosodic features on the Berlin emotional speech database and that of prosodic features and MFCC on TYUT2.0 emotional speech database. In addition, nonlinear features have obvious advantage in detecting more natural emotional speech and better robustness.     

上市公司财务困境预测的信用评分模型

信用评分是通过选择财务指标,建立判别模型来预测公司财务困境的方法.根据中国证券市场的实际情况在财务困境的界定,财务指标的选择和计算等方面对信用评分模型进行了调整,并运怂用于中国上市公司财务困境的预测.研究首次引入了包含股票价格的市场信息变量,并在判别模型表现时对估计样本和测试样本进行了区分.结果表明新模型在预测能力上要优于Altman,Ohlson和Zmijewski的模型,新模型在上市公司财务困境前一年的预测有较高的准确性,随着时间的推移,预测能力有明显的下降,因此模型适用于短期预测.     

论政治课情感教育

情感教育是完整教育过程的一个组成部分，是政治课知、情、意、行四大教育目标中不可缺少的内容。政治课是一门以理论性、说理性、哲理性见长的学科，其教学更需要情感参与其中，达到情理交融，提高政治课实效。     

Lexical characteristics of words used in emotional Stroop experiments.

Validity of the emotional Stroop task hinges on equivalence between the emotion and the control words in terms of lexical features related to word recognition. The authors evaluated the lexical features of 1,033 words used in 32 published emotional Stroop studies. Emotion words were significantly lower in frequency of use, longer in length, and had smaller orthographic neighborhoods than words used as controls. These lexical features contribute to slower word recognition and hence are likely to contribute to delayed latencies in color naming. The often-replicated slowdown in color naming of emotion words may be due, in part, to lexical differences between the emotion and control words used in the majority of such studies to date. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

文本情感分析方法研究综述

文本情感分析是自然语言处理领域的一个重要分支,广泛应用于舆情分析和内容推荐等方面,是近年来的研究热点.根据使用的不同方法,将其划分为基于情感词典的情感分析方法、基于传统机器学习的情感分析方法、基于深度学习的情感分析方法.通过对这三种方法进行对比,分析其研究成果,并对不同方法的优缺点进行归纳总结,介绍相关数据集和评价指标...     

基于情感描述项的文本倾向性识别研究

文本倾向性识别可以广泛应用于用户产品评论、舆情分析等。针对文本倾向性识别往往需要借助外部资源的问题,提出一种基于情感描述项及改进的互信息计算相结合的方法,通过句法分析提取出若干可以获得文本情感描述项的匹配模式,根据模式匹配及计算情感描述项的互信息作为特征值,训练分类模型得出文本的褒贬性。通过对酒店、手机语料集实验后的结果进行分析,该方法具有良好的效果。     

人群应急疏散中一种多智能体情绪感染仿真模型

为了从情绪的视角分析紧急情境下人群的疏散行为,梳理了现有情绪感染的研究工作,总结了人群紧急状况下行为特点.采用智能体描述人群个体,提出一种多智能体情绪感染模型.其主体框架分为感知层、情绪层、感染层、行为层和行动层.归纳了产生情绪感染现象的3个条件及情绪感染的3个规则,提出了情绪感染的算法,考虑个体的个性和个体间距离因素,采用情绪强度和人群紧密度来计算个体疏散速度.用C#语言编制了仿真实验,采用真实的地震疏散案例,验证了仿真疏散时间和实际观测的基本一致.通过与以往基于传染病思路的情绪感染模型对比,所提出的模型可以更好地描述情绪感染从局部到整体的过程.实验结果表明,所提出的模型可以推演情绪驱动下的群体聚集行为,有望为制定应急疏散预案提供一种可视化分析方法.     

基于大脑情感学习的四轮驱动机器人速度补偿控制

由于4轮驱动机器人的轮间耦合特性及系统非线性的存在,即使单个驱动电机的控制精度达到最优,机器人整体的运动控制效果也未必理想.针对这一问题,提出一种基于大脑情感学习的机器人速度补偿控制方法.基于大脑情感学习计算模型,设计了融合机器人整体速度跟踪误差及其积分、微分信息的补偿控制器,通过计算模型内部各节点权值的在线学习,及时地调整控制器的参数,实现对4个轮子速度的自适应补偿.仿真实验表明,该方法有效减小了非线性干扰对系统的影响,具有较高的稳态控制精度和较快的响应速度,大大提高了机器人整体的速度和轨迹跟踪精度.     

信息技术环境下的主题活动式情感教育初探

教学实践中忽略学生的情感体验是教育的重大缺陷,信息技术教学由于教学环境的特殊以及考核评价的困难,更是使情感教育陷入困境。主题活动式情感教育是一种有效的教学尝试,它能让学生通过活动,通过自己的亲历和体验,激发情感,从而让情感教育得以落实。