神原模型(传神模型怎么样)_游戏攻略

大家好，感谢邀请，今天来为大家分享一下神原模型的问题，以及和传神模型怎么样的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

脊神经结扎神经病理痛模型大鼠脊髓

星形胶质细胞激活与痛行为的关系

赵红姜玉秋孙钱孙艳妮刘风雨石玉顺万有△

(北京大学神经科学研究所、神经生物学系,教育部神经科学重点实验室,北京100083)

摘要目的:研究L5脊神经结扎模型大鼠脊髓星形胶质细胞的激活与痛行为之间的关系。方法:

44只雄性SD大鼠180～220g,随机分成4组,分别为假手术组、脊神经结扎1天、3天和7天组。

行为学上使用vonFreyHair测定大鼠在上述各时间点50%缩足阈的变化(n=8),星形胶质细胞的

激活使用免疫组织化学方法观察其特异性标志物GFAP的染色情况(n=3)。结果:(1)脊神经结

扎后1天动物出现机械性痛超敏,3天和7天痛行为稳定并持续存在;假手术组未见显著变化。

(2)结扎侧脊髓背角星形胶质细胞在术后1天发生激活,3天和7天可见星形胶质细胞强烈的激活

反应,假手术组亦可见轻微的激活。(3)脊神经结扎后,星形胶质细胞发生了激活,其激活程度和

痛行为的产生和维持紧密相关。结论:脊髓背角星形胶质细胞的激活可能在神经病理痛中发挥作

神原模型(传神模型怎么样)

用。

关键词星形胶质细胞;胶质原酸性蛋白;神经病理痛;脊神经结扎

THERELATIONSHIPBETWEENTHESPINALASTROCYTICACTIVATIONANDNEURO2

PATHICPAINBEHAVIORFOLLOWINGSPINALNERVELIGATION

ZHAOHong,JIANGYu2Qiu,SUNQian,SUNYan2Ni,LIUFeng2Yu,SHIYu2Shun,WANYou

(NeuroscienceResearchInstituteandDepartmentofNeurobiology,PekingUniversity,KeyLabforNeu2

roscience,theMinistryofEducation,Beijing100083)

AbstractObjective:Toinvestigatetherelationshipbetweenthespinalastrocyticactivationandneuro2

pathicpainbehaviorinL5spinalnerveligation(SNL)rats.Methods:44maleSDratswererandomly

dividedinto4groups:sham,SNL1d,SNL3dandSNL7dgroups.Animalmechanicalallodyniawas

representedby50%pawwithdrawalthreshold(50%PWT)thatwasassessedwithvonFreyfilaments(n

=8).Usingimmunohistochemistrytechnique,GFAPwasexaminedtoevaluatetheactivationofastro2

cytes(n=3).Results:(1)Themechanicalallodyniaofthelefthindpawappearedonday1afterSNL,

andcontinuouslyexistedfromday3today7.Nosignificantchangeofmechanicalallodyniawasobserved

inshamgroup.(2)Intheipsilateral(lesionside)lumbardorsalhorn,GFAPimmunoreactivitywasob2

servedatday1.Thiskindofastrocyticactivationmaintainedintenseatday3and7,butaslightdegree

ofastrocyticactivationwasobservedinshamgroup.(3)Astrocyteswereactivatedinthespinalcordin

SNLrats,thedegreeofastrocyticactivationcorrelatedwellwiththedevelopmentandmaintenanceofneu2

ropathicpain.Conclusion:Astrocyticactivationinthespinaldorsalhornmightplayaroleinneuropathic

pain.

KeywordsAstrocyte;Glialfibrillaryacidicprotein(GFAP);Neuropathicpain;Spinalnerveligation

(SNL)

3国家自然科学基金(30330230,30570566)和北京市自然科学基金(7052039)资助

△通讯作者

中国疼痛医学杂志ChineseJournalofPainMedicine2007,13,(1)·39·

神经病理痛(neuropathicpain)是指中枢或者外

周神经系统损伤或疾病引起的疼痛综合征,以自发

性疼痛(spontaneouspain)、痛觉过敏(hyperalgesia)

和痛超敏(allodynia)为特征。近年来,胶质细胞的

激活成为疼痛研究领域的新亮点[1]。本实验以L5

脊神经结扎(spinalnerveligation,SNL)大鼠作为神

经病理痛模型,通过测定SNL大鼠机械性痛敏的变

化和脊髓背角星形胶质细胞的激活情况,进一步探

讨神经病理痛大鼠星形胶质细胞的激活和动物痛行

为之间的关系。

材料与方法

1.动物的分组和模型制备

雄性SD大鼠由北京大学医学部实验动物中心

提供,体重150～180g。随机分为4组,分别是假手

术组、SNL1天、SNL3天和SNL7天组。每组11

只,其中8只用于行为学检测,3只用于免疫组织化

学分析。

按照Kim和Chung[2]方法制作SNL模型。大

鼠经水合氯醛(300mg/kg,i.p.)麻醉后,置于腹卧

位,背部切开皮肤,钝性分离左侧椎旁肌肉,暴露L5

脊神经,并用6号丝线紧紧结扎,止血、缝合并注射

青霉素预防感染。假手术大鼠操作与手术大鼠相

同,但不结扎神经。

2.动物机械性痛敏的测定

按Chaplan等[3]报道的“upanddown”方法,用

vonFrey纤维(Stoelting公司,美国)测定大鼠后足

50%的缩足阈。15g为本法可测定的最大50%缩

足阈值,0.25g为本法测定的最小50%缩足阈值。

当50%缩足阈值小于4g时认为出现痛敏。术前和

术后1天、3天和7天测定假手术组和手术组50%

缩足阈值。

3.免疫组织化学实验

术后1天、3天和7天,动物10%水合氯醛(300

mg/kg,i.p.)麻醉后,打开胸腔,行左心室灌流。取

腰膨大段于恒冷切片机中做连续切片,切片厚度14

μm。

脊髓切片经水化、灭活内源性过氧化氢酶、封

闭,加入GFAP多克隆抗体(Dako公司)1:750,

4℃过夜后,依次加入生物素标记的二抗(SP29001,

中山)、辣根过氧化物酶标记链酶卵白素(SP29001,

中山),之后3,3’2联苯二胺(DAB)显色,梯度酒精脱

水,二甲苯透明,封片后显微镜下照相。

4.统计学处理

行为学采用上述公式计算的动物足底50%的

缩足阈值,免疫组化采用Metamorph软件对结扎侧

脊髓背角浅层进行平均灰度分析,每个脊髓标本选

取5张切片,求其灰度的平均值。数据统计分析采

用Prism4.0软件进行,其结果用平均值±标准误

(mean±s.e.m)表示。多组数据间差异用单因素

方差分析(onewayANOVA)并继之以Dunnett’spost2

hoc检验,以P<0.05作为检验水准。

结果

1.脊神经结扎后大鼠左侧足底50%缩足阈下

降

脊神经结扎后1天,大鼠结扎侧足底50%缩足

阈较术前基础值有明显的下降,即动物出现机械性

痛超敏,3天和7天,该痛行为稳定并持续存在(与

手术前正常动物比较,P<0.01)。假手术组动物足

底50%缩足阈较术前基础值未有显著变化(与手术

前正常动物比较,P>0.05,见图1)。

图1大鼠脊神经结扎后机械性痛敏的变化。术后7天内假手术大

鼠和SNL模型大鼠结扎侧足底50%缩足阈值的变化。

:P<0.01,与术前正常对照组相比

Fig.1TactileallodyniainratsafterSNL.Thechangeof50%paw

withdrawalthreshold(50%PWT)inshamandSNLratswithin7days.

:P<0.01,comparedtothepre2operationcontrol

2.免疫组织化学方法显示脊髓背角GFAP染色

加深,胶质细胞激活

采用免疫组织化学(DAB显色)的方法,观察假

手术(sham)以及脊神经结扎后1d(SNL1d),3d

(SNL3d)和7d(SNL7d)各时间点星形胶质细胞

的反应(见图2A和2B)。从图中可以看出,SNL1d

·40·中国疼痛医学杂志ChineseJournalofPainMedicine2007,13,(1)

结扎侧脊髓背角GFAP染色较假手术组增强,SNL3

d和SNL7dGFAP染色较假手术组有明显的增强,

即提示神经损伤后1d星形胶质细胞发生了激活,3

d和7d星形胶质细胞发生了强烈的反应;未结扎侧

的星形胶质细胞未发生此种改变。假手术组亦可见

结扎侧脊髓背角星形胶质细胞的轻微激活。

我们对结扎侧脊髓背角浅层进行了平均灰度值

分析,用此值代表星形胶质细胞的激活程度(见图

2C)。脊神经结扎后1天,星形胶质细胞发生了激

活,3天和7天,星形胶质细胞的激活程度逐渐增

加。

图2免疫组化染色显示脊神经结扎后不同时间点脊髓背角GFAP染色变化。(A)脊神经结扎后1d、3d和7d脊髓GFAP免疫组织化学染

色。Scalebar=100μm。(B)为(A)图结扎侧脊髓背角的放大图。Scalebar=50μm。(C)为(A)图结扎侧脊髓背角浅层平均灰度值的定量

分析。

:P<0.01,与假手术组相比

Fig.2GFAPimmunoreactivityinthespinaldorsalhornafterspinalnerveligation.(A)ImmunostainingofGFAPinthespinaldorsalhornatdays1,3

and7afterSNL.Scalebar=100μm.(B)Two2foldhighermaginificationin(A).Scalebar=50μm.(C)Quantificationofaverageintensityinthe

superficiallayersoftheipsilateralspinaldorsalhornasshownin(A).

:P<0.01,comparedwiththeshamgroup

讨论

1.星形胶质细胞的激活反应与神经病理痛行为

的关系

中枢神经系统中的星形胶质细胞执行着多种功

能,如参与构成血脑屏障,调节细胞外离子和神经递

质的浓度,维持细胞外pH值的稳定等。许多刺激

可以激活星形胶质细胞,如神经损伤、炎症、神经系

统感染以及各种致痛因子等。星形胶质细胞激活后

发生一系列的改变,如增生、肥大、GFAP合成增多

和前炎性因子释放增多等。1994年,Garrison等[4]

通过免疫组织化学技术发现在坐骨神经压迫模型中

星形胶质细胞是激活的,如果用药物MK2801阻断

异常的疼痛传导也可以阻断胶质细胞的激活,胶质

细胞的激活和放大性疼痛之间有很强的相关性,这

样就将胶质细胞和疼痛联系起来。后来随着研究的

不断深入,人们逐渐发现胶质细胞在许多痛模型中

是激活的[5～7]。在本次实验中,我们对脊神经结扎

后不同时间点星形胶质细胞的反应做了一系列观

察,发现星形胶质细胞在脊神经结扎后的1天发生

了激活,3天和7天,星形胶质细胞发生了强烈的激

活反应。星形胶质细胞的激活主要发生在结扎侧的

脊髓背角,未结扎侧和脊髓腹角未见星形胶质细胞

的激活。这和文献已有的报道相一致,神经损伤后,

星形胶质细胞在神经投射的区域发生了激活[8,9]。

脊髓是传递从外周到大脑疼痛信息的中继站,传递

疼痛的初级传入神经元轴突末梢终止于脊髓背角的

不同层面,在此与不同类型的脊髓次级神经元发生

联系。其中中等直径有髓鞘Aδ纤维和小直径无髓

鞘C纤维终止于脊髓背角浅层[10],这两种纤维介导

伤害性信息的传递。因此,脊髓背角浅层被认为是

和疼痛传导相关的部位。星形胶质细胞在此处发生

中国疼痛医学杂志ChineseJournalofPainMedicine2007,13,(1)·41·

激活提示这类细胞可能参与了伤害性信息的传导。

脊神经结扎后1天动物即出现明显的机械性痛

敏,3天和7天动物维持在高水平的痛敏状态。假

手术组未见明显的行为学变化。星形胶质细胞的激

活也发生在脊神经结扎后的1天,3天和7天,激活

的程度呈上升的趋势。脊髓中的胶质细胞包括星形

胶质细胞和小胶质细胞。根据已有文献报道[11],脊

神经结扎后小胶质细胞不激活或者轻微激活,小胶

质细胞的抑制剂不能反转已经建立的痛行为;而星

形胶质细胞在脊神经结扎后发生强烈的激活反应,

并且与痛行为的发生和维持相平行,提示星形胶质

细胞可能参与了痛行为的形成。小胶质细胞和星形

胶质细胞在疼痛中发挥的作用不同,目前的观点认

为小胶质细胞的激活启动了星形胶质细胞的激活,

而星形胶质细胞的激活程度与放大性疼痛的产生和

维持相关[12]。星形胶质细胞与痛行为的产生和维

持的整个过程相关还是只是短暂性相关,星形胶质

细胞的激活是因还是果,单纯的星形胶质细胞的激

活可否诱发痛敏的产生还需实验进一步验证。

2.星形胶质细胞在神经病理痛中的可能意义

星形胶质细胞和神经元之间关系密切,它们对

神经元周围微环境的改变非常敏感,能迅速发生反

应。发生反应的胶质细胞能释放大量的神经活性物

质和促炎性因子,这些物质能增加初级传入神经末

梢痛递质的释放和增加痛觉传递神经元的兴奋性来

扩大痛觉传递,并和神经元之间形成了一个反馈环

路[13]。由此可见胶质细胞不再是中枢神经系统中

的一个静止不动的成分,而是处于一个与神经元不

断进行信息交流的动态过程。胶质细胞通过胶质网

络传递信号,从而与神经元互补,共同参与疼痛的传

导。有关胶质细胞和疼痛关系的深入认识,将为研

制慢性痛的药物提供新的靶点。

原神模型用Rhinoceros(犀牛)软件打开，具体打开操作步骤如下：

工具：联想电脑

软件：Rhinoceros(犀牛)软件

1、首先确定文件是以*.3dm为后缀名存在。

2、然后打开Rhinoceros(犀牛)软件到主窗口，在主窗口点击界面上方文件选项，再点击打开选项。

3、打开窗口中，按照路径找到3dm文件并选中点打开，打开以后就可以查看3dm文件的内容了。

4、其中看到的四个视口代表不同的视角。

《原神》是由上海米哈游制作发行的一款开放世界冒险游戏，于2017年1月底立项、，原初测试于2019年6月21日开启、，再临测试于2020年3月19日开启、，启程测试于2020年6月11日开启[3]，PC版技术性开放测试于9月15日开启，公测于2020年9月28日开启。

在数据方面，同在官方服务器的情况下，iOS、PC、Android平台之间的账号数据互通，玩家可以在同一账号下切换设备。

游戏发生在一个被称作“提瓦特”的幻想世界，在这里，被神选中的人将被授予“神之眼”，导引元素之力。玩家将扮演一位名为“旅行者”的神秘角色，在自由的旅行中邂逅性格各异、能力独特的同伴们，和他们一起击败强敌，找回失散的亲人——同时，逐步发掘“原神”的真相。

一、Kohonen模型概述

1981年芬兰赫尔辛基大学Kohonen教授提出了一个比较完整的，分类性能较好的自组织特征影射(Self-Organizing Feature Map)人工神经网络(简称SOM网络)方案。这种网络也称为Kohonen特征影射网络。

这种网络模拟大脑神经系统自组织特征影射功能，它是一种竞争式学习网络，在学习中能无监督地进行自组织学习。

二、Hohonen模型原理

1.概述

SOM网络由输入层和竞争层组成。输入层神经元数为N，竞争层由M=R×C神经元组成，构成一个二维平面阵列或一个一维阵列(R=1)。输入层和竞争层之间实现全互连接。

SOM网络的基本思想是网络竞争层各神经元竞争对输入模式的响应机会，最后仅有一个神经元成为竞争的胜者，并对那些与获胜神经元有关的各连接权朝着更有利于它竞争的方向调整，这一获胜神经元就表示对输入模式的分类。

SOM算法是一种无教师示教的聚类方法，它能将任意输入模式在输出层映射成一维或二维离散图形，并保持其拓扑结构不变。即在无教师的情况下，通过对输入模式的自组织学习，在竞争层将分类结果表示出来。此外，网络通过对输入模式的反复学习，可以使连接权矢量空间分布密度与输入模式的概率分布趋于一致，即连接权矢量空间分布能反映输入模式的统计特征。

2.网络权值初始化

因为网络输入很可能出现在中间区，因此，如果竞争层的初始权值选择在输入空间的中间区，则其学习效果会更加有效。

3.邻域距离矩阵

SOM网络中的神经元可以按任何方式排列，这种排列可以用表示同一层神经元间的Manhattan距离的邻域距离矩阵D来描述，而两神经元的Manhattan距离是指神经元坐标相减后的矢量中，其元素绝对值之和。

4.Kohonen竞争学习规则

设SOM网络的输入模式为Xp=(

，

，…，

)，p=1，2.…，P。竞争层神经元的输出值为Yj(j=1，2，…，M)，竞争层神经元j与输入层神经元之间的连接权矢量为

Wj=(wj1，wj2，…，wjN)，j=1，2，…，M。

Kohonen网络自组织学习过程包括两个部分：一是选择最佳匹配神经元，二是权矢量自适应变化的更新过程。

确定输入模式Xp与连接权矢量Wj的最佳匹配的评价函数是两个矢量的欧氏距离最小，即

，j=1，2，…，M，]]

g，确定获胜神经元g。

dg=mjin(dj)，j=1，2，…，M。

求输入模式Xp在竞争层的获胜神经元g及其在邻域距离nd内的神经元的输出。

中国矿产资源评价新技术与评价新模型

dgm为邻域距离矩阵D的元素，为竞争层中获胜神经元g与竞争层中其它神经元的距离。

求输入模式Xp在竞争层的获胜神经元g及其在邻域距离nd内的神经元的权值修正值。

中国矿产资源评价新技术与评价新模型

式中：i=1，2，…，N；

lr为学习速率；

t为学习循环次数。

Δwjt(t+1)的其余元素赋值为0。

进行连接权的调整

wji(t+1)=wji(t)+Δwji(t+1)。

5.权值学习中学习速率及邻域距离的更新

(1)SOM网络的学习过程分为两个阶段

第一阶段为粗学习与粗调整阶段。在这一阶段内，连接权矢量朝着输入模式的方向进行调整，神经元的权值按照期望的方向在适应神经元位置的输入空间建立次序，大致确定输入模式在竞争层中所对应的影射位置。一旦各输入模式在竞争层有了相对的影射位置后，则转入精学习与细调整阶段，即第二阶段。在这一阶段内，网络学习集中在对较小的范围内的连接权进行调整，神经元的权值按照期望的方向在输入空间伸展，直到保留到他们在粗调整阶段所建立的拓扑次序。

学习速率应随着学习的进行不断减小。

(2)邻域的作用与更新

在SOM网络中，脑神经细胞接受外界信息的刺激产生兴奋与抑制的变化规律是通过邻域的作用来体现的邻域规定了与获胜神经元g连接的权向量Wg进行同样调整的其他神经元的范围。在学习的最初阶段，邻域的范围较大，随着学习的深入进行，邻域的范围逐渐缩小。

(3)学习速率及邻域距离的更新

在粗调整阶段，

学习参数初始化

最大学习循环次数 MAX_STEP1=1000，

粗调整阶段学习速率初值 LR1=1.4，

细调整阶段学习速率初值 LR2=0.02，

最大邻域距离 MAX_ND1=Dmax，

Dmax为邻域距离矩阵D的最大元素值。

粗调阶段

学习循环次数step≤MAX_STEP1，

学习速率lr从LR1调整到LR2，

邻域距离nd从MAX_ND1调整到1，

求更新系数r，

r=1-step/MAX_STEP1，

邻域距离nd更新，

nd=1.00001+(MAX_ND1-1)×r。

学习速率lr更新，

lr=LR2+(LR1-LR2)×r。

在细调整阶段，

学习参数初始化，

最大学习循环次数 MAX_STEP2=2000，

学习速率初值 LR2=0.02，

最大邻域距离 MAX_ND2=1。

细调阶段

MAX_STEP1＜step≤MAX_STEP1+MAX_STEP2，

学习速率lr慢慢从LR2减少，

邻域距离nd设为1，

邻域距离nd更新，

nd=MAX_ND2+0.00001。

学习速率lr更新，

lr=LR2×(MAX_STEP1/step)。

6.网络的回想——预测

SOM网络经学习后按照下式进行回想：

中国矿产资源评价新技术与评价新模型

Yj=0，j=1，2，…，M，(j≠g)。

将需要分类的输入模式提供给网络的输入层，按照上述方法寻找出竞争层中连接权矢量与输入模式最接近的神经元，此时神经元有最大的激活值1，而其它神经元被抑制而取0值。这时神经元的状态即表示对输入模式的分类。

三、总体算法

1.SOM权值学习总体算法

(1)输入参数X[N][P]。

(2)构造权值矩阵W[M][N]。

1)由X[N][P]求Xmid[N]，

2)由Xmid[N]构造权值W[M][N]。

(3)构造竞争层。

1)求竞争层神经元数M，

2)求邻域距离矩阵D[M][M]，

3)求矩阵D[M][M]元素的最大值Dmax。

(4)学习参数初始化。

(5)学习权值W[M][N]。

1)学习参数学习速率lr，邻域距离nd更新，分两阶段：

(i)粗调阶段更新；

(ii)细调阶段更新。

2)求输入模式X[N][p]在竞争层的获胜神经元win[p]。

(i)求X[N][p]与W[m][N]的欧氏距离dm；

(ii)按距离dm最短，求输入模式X[N][p]在竞争层的获胜神经元win[p]。

3)求输入模式X[N][p]在竞争层的获胜神经元win[p]及其在邻域距离nd内的神经元的输出Y[m][p]。

4)求输入模式X[N][p]在竞争层的获胜神经元win[p]及其

在邻域距离nd内的神经元的权值修正值ΔW[m][N]，

从而得到输入模式X[N][p]产生的权值修正值ΔW[M][N]。

5)权值修正W[M][N]=W[M][N]+ΔW[M][N]。

6)学习结束条件：

(i)学习循环到MAX_STEP次；

(ii)学习速率lr达到用户指定的LR_MIN；

(iii)学习时间time达到用户指定的TIME_LIM。

(6)输出。

1)学习得到的权值矩阵W[M][N]；

2)邻域距离矩阵D[M][M]。

(7)结束。

2.SOM预测总体算法

(1)输入需分类数据X[N][P]，邻域距离矩阵D[M][M]。

(2)求输入模式X[N][p]在竞争层的获胜神经元win[p]。

1)求X[N][p]与W[m][N]的欧氏距离dm；

2)按距离dm最短，求输入模式X[N][p]在竞争层的获胜神经元win[p]。

(3)求获胜神经元win[p]在竞争层排列的行列位置。

(4)输出与输入数据适应的获胜神经元win[p]在竞争层排列的行列位置，作为分类结果。

(5)结束。

四、总体算法流程图

Kohonen总体算法流程图见附图4。

五、数据流图

Kohonen数据流图见附图4。

六、无模式识别总体算法

假定有N个样品，每个样品测量M个变量，则有原始数据矩阵：

X=(xij)N×M，i=1，2，…，N，j=1，2，…，M。

(1)原始数据预处理

X=(xij)N×M处理为Z=(zij)N×M，

分3种处理方法：

1)衬度；

2)标准化；

3)归一化。

程序默认用归一化处理。

(2)构造Kohonen网

竞争层与输入层之间的神经元的连接权值构成矩阵WQ×M。

WQ×M初始化。

(3)进入Kohonen网学习分类循环，用epoch记录循环次数，epoch=1。

(4)在每个epoch循环中，对每个样品n(n=1，2，…，N)进行分类。从1个样品n=1开始。

(5)首先计算输入层的样品n的输入数据znm(m=1，2，…，M)与竞争层Q个神经元对应权值wqm的距离。

(6)寻找输入层的样品n与竞争层Q个神经元的最小距离，距离最小的神经元Win[n]为获胜神经元，将样品n归入获胜神经元Win[n]所代表的类型中，从而实现对样品n的分类。

(7)对样品集中的每一个样品进行分类：

n=n+1。

(如果n≤N，转到5。否则，转到8。)

(8)求分类后各神经元所对应的样品的变量的重心，用对应的样品的变量的中位数作为重心，用对应的样品的变量的重心来更新各神经元的连接权值。

(9)epoch=epoch+1；

一次学习分类循环结束。

(10)如果满足下列两个条件之一，分类循环结束，转到11；

否则，分类循环继续进行，转到4。

1)全部样品都固定在某个神经元上，不再改变了；

2)学习分类循环达到最大迭代次数。

(11)输出：

1)N个样品共分成多少类，每类多少样品，记录每类的样品编号；

2)如果某类中样品个数超过1个，则输出某类的样品原始数据的每个变量的均值、最小值、最大值和均方差；

3)如果某类中样品个数为1个，则输出某类的样品原始数据的各变量值；

4)输出原始数据每个变量(j=1，2，…，M)的均值，最小值，最大值和均方差。

(12)结束。

七、无模式识别总体算法流程图

Kohonen无模式总体算法流程图见附图5。

首先，先回答下楼上的问题，MG神高达有普通版和电镀版，而且是还没有出RG的，请别误导。

其次，神高达就模型来说，2种都可以买，取决你个人喜好。

HG的神高达，可动在HG中很不错，虽然配件只有造型手，但是HG东方老师的风云再起是共用的，而且诺贝尔高达能和神组成一个场景。

MG的神高达2500日元是因为除了本体，没有什么附加了，配件只有造型手，光束剑和多蒙，其次手脚是橡胶的，不是塑料，材料不一样，所以便宜。但是不像楼上说的不被信赖···

MG的神可动在MG中到现在都算一流的，活动区域是用螺丝紧上的，模型很容易摆出动画中经典造型而且站得稳，毕竟神的定位是格斗机。

具体买哪个看你自己，网上有图片参考，个人认为，如果偏向收集，就HG的神，可搭配多；偏向把玩，就买MG。

超可动的话，把玩肯定过关，但是毕竟是成品，做工上有欠缺，而且价钱你已经能买MG了。

（纯原创，勿转）

简而言之，其实认准BANDAI商标就行了。不过LZ需要搞清楚的一点是，神话无论是正版还是仿货，都是大陆生产的，所以其实还是说正版和盗版比较合适。一定要说盗版的话，楼上朋友说了，03年左右出过一批新生五小强的国仿，不过这东西没有BANDAI标记，看一眼就知道是仿的了；另外，前几年香港那里的同人厂貌似也出过天马、白鸟神圣衣的仿版的，不过BANDAI正版出了之后也就很少看到了，而且同样包装上就能区分出来，也没有BANDAI的标志的；最后就是乐创现在出的拼装系列圣斗士了，不过只是成品造型和EX神话差不多，从包装等等和神话的差别还是很容易区分的。关于LZ问的日产、大陆专柜，应该是想问大陆版和日版的差别吧？其实就是代理不同，日版日本那边的代理，大陆是国内的反斗城代理的，这其实也就是影响神话收藏价值——其实就是影响价格……但是东西是一个流水线出来的，本质上是不会有啥差别的，所以如果收藏或者很喜欢的角色，可以收日版，否则买着玩的话就大陆版或者港版（香港代理）里面挑吧。具体从标签上怎么区分的话，个人不收日版，基本哪个便宜收哪个，所以也不是太说得清。LZ要知道的话去神话吧问问吧，那里的吧友应该能帮到你的……

关于神原模型，传神模型怎么样的介绍到此结束，希望对大家有所帮助。