Ваз расшифровка аббревиатуры: Ваз расшифровка аббревиатуры

Ваз расшифровка аббревиатуры

Как расшифровывается ВАЗ, ГАЗ и другие автомобили СССР. Полный перечень.

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

2105, 2141, 31029… Как расшифровать индексы отечественных автомобилей?

Восемь цифр в названии автомобиля ГАЗ-31105-551 — это номер телефона или цена? Раньше так шутили некоторые посетители автомобильных выставок… На самом деле индексы отечественных машин создавались по строгим правилам, хотя и здесь не обошлось без исключений.

Впервые единую систему обозначения автомобилей, выпускаемых советскими заводами, ввели в 1945 году. Она была довольно простой: имя машины состояло из аббревиатуры названия предприятия (ГАЗ, ЗИЛ, МЗМА/АЗЛК, УАЗ, ЛиАЗ и так далее) и порядкового номера модели, выбранного из выделяемого для каждой марки диапазона чисел.

Например, Горьковскому автозаводу выделили номера 1–99 (ГАЗ-14, ГАЗ-66), Московском заводу малолитражных автомобилей — дали индексы 400-449 (Москвич-412), ЗАЗу и ЛуАЗу — 965-974 (ЗАЗ-965, ЛуАЗ-967). Иначе говоря, понять по названию модели что-то кроме места производства было невозможно.

В 1966 году в Советском Союзе начал действовать стандарт ОН 025270-66 «Классификация и система обозначения автомобильного подвижного состава». Отныне индексы содержали гораздо больше информации.

Шильдик автомобиля АЗЛК-2141 «Москвич»

В общем случае они четырёхзначные, причём начинать их расшифровывать логичнее со второй цифры, которая отвечает за тип транспортного средства: например, единица обозначает легковой автомобиль, а двойка — автобус. Первая же цифра обозначает класс транспортного средства. Для легковых автомобилей он определяется по рабочему объёму двигателя, для грузовиков — по полной массе машины, а для автобусов — по длине кузова.

Расшифровка первого знака в автомобильных индексах

Цифра	Легковые автомобили:рабочий объём двигателя, л	Грузовые автомобили:полная масса, тонн	Автобусы:длина, м
1	до 1,2	до 1,2	—
2	1,2–1,8	1,2–2	до 5,0
3	1,8–3,5	2–8	6,0–7,5
4	более 3,5	8–14	8,0–9,5
5	—	14–20	10,5–12,0
6	—	20–40	более 18,0
7	—	более 40	—

Расшифровка второго знака в автомобильных индексах

Цифра	Тип транспортного средства
1	легковой автомобиль
2	автобус
3	грузовой автомобиль общего назначения
4	седельный тягач
5	самосвал
6	цистерна
7	фургон
8	—
9	специальный автомобиль

Например, к первому классу «легковушек» относились «Ока» ВАЗ-1111 и «Таврия» ЗАЗ-1102, ко второму — большинство ВАЗов и «Москвичей». В третий класс попадали «Волги», а в четвёртый — представительские седаны и лимузины ЗИЛ.

ЛиАЗ-6213 — автобус (вторая цифра 2) длиной более 18 метров (первая цифра 6)

Третья и четвёртая цифры в индексе обозначали порядковый номер модели данного производителя. Следующие символы были необязательны и использовались для указания модификации, варианта исполнения или комплектации.

И здесь не обходилось без множества отступлений. Бывало, обозначения новым моделям давались по старой системе (так поступил ГАЗ со своей «Волгой» ГАЗ-24). Иногда индекс присваивался по новой системе, но с нарушением стандарта. Взять, например, «Бычок» ЗИЛ-5301. Конечно, в арсенале завода были тяжёлые модели, но компактный грузовик со своей максимально допустимой массой в 6950 кг на пятый класс ну никак не тянул. Что интересно, прототип «Бычка» 1992 года щеголял верным обозначением ЗИЛ-3301М. Ну а откуда взялась эта пятёрка, мы теперь, наверное, уже не узнаем. Видимо, поставили по привычке с прошлых моделей.

Прототип «Бычка» с «правильным» индексом 3301

Похожая история случилась и у АвтоВАЗа с «Калиной». Спору нет, машина вышла довольно компактной внешне, особенно в варианте с кузовом хэтчбек. Да только в производство в конце 2004 года она пошла с хорошо известным, надёжным и неприхотливым, но довольно большим 1,6-литровым двигателем, который делал индексы 1117, 1118 и 1119 несостоятельными. В начало просилась двойка, что и было исправлено с выходом второго поколения «Калины», получившей индексы 2192 и 2194.

АвтоВАЗ давно не ставит цифровые индексы на «Лады» для российского рынка, но экспортные версии некоторых моделей получают старомодные четырёхзначные обозначения. На фото — шильдик «Лады Калины Кросс» для Германии

Сейчас мы можем наблюдать закат эпохи той самой отраслевой нормали: новые модели ГАЗа, АвтоВАЗа и других заводов лишаются привычного обозначения (у «Весты» это произошло прямо в процессе разработки, ведь начиналась она под индексом ВАЗ-2180). Продолжают использовать старую систему наименований УАЗ, а также производители грузовиков и автобусов.

Темы: История

Как расшифровывается ВАЗ, ГАЗ и другие автомобили СССР. Полный перечень.

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Как расшифровывается КамАЗ

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

Ваз расшифровка аббревиатуры

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Как расшифровывается КамАЗ

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

Source: fb.ru

Как расшифровывается ВАЗ, ГАЗ и другие автомобили СССР. Полный перечень.

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

Вам будет интересно:Сравнение комплектаций Kia Sportage и Volkswagen Tiguan

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Как расшифровывается КамАЗ

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

Источник

ВАЗ 2101 и его модификация 21011 — автомобиль столетия в России

ВАЗ 2101 — это модель, а ВАЗ 21011 — это модификация. Советская система обозначения марок автомобилей была устроена шиворот-навыворот. Значение первой цифры зависит от того, какая цифра стоит на втором месте. Почему так произошло, неизвестно.

Вернуться к оглавлению

Идентификация советских автомобилей

Обозначение модификации ВАЗ 21011 соответствует утверждённой в 1966 г. в Советском Союзе системе обозначений марок автомобилей. Эта система предусматривает использование буквенно-цифрового способа индикации. Буквенная и цифровая часть разделяются чёрточкой. Буквами обозначают завод-изготовитель. ВАЗ — это аббревиатура Волжского автомобильного завода (АвтоВАЗ). ГАЗ — это Горьковский, а МАЗ — Минский автозаводы.

Справа от чёрточки располагаются цифры. Путаница начинается именно здесь. Русскоязычный человек привык читать слева направо. От общего к частному. В обозначении марок автомобилей «по-советски» самая общая категория — тип автомобиля — стоит на втором месте. Авторы отраслевой нормали внесли путаницу своими руками. У них именно вторая, а не первая цифра обозначает тип автомобиля:

• 1 — легковой;
• 2 — автобус;
• 3 — грузовой автомобиль и так далее.

Первая, или самая левая цифра обозначает класс автомобиля, и её расшифровка зависит от второй цифры. В случае легковых машин (вторая цифра — 1), первая цифра означает, в зависимости от технических характеристик, следующее:

• 1 — особо малый класс;
• 2 — малый;
• 3 — средний;
• 4 — большой класс.

Значит ВАЗ 21011 — это легковой автомобиль (вторая цифра — 1) малого класса (первая цифра — 2), то есть с объёмом двигателя от 1100 до 1799 куб. см. Если речь идёт о грузовиках, то первая цифра означает уже не объём двигателя, а полную массу. Так КамАЗ-5320 — это грузовик (вторая цифра — 3) с полной массой от 14 до 20 тонн (первая цифра — 5).

Одиннадцатая модель, как и все автомобили классического семейства ВАЗ, относится к малому классу, поэтому самая левая из цифр в обозначении модели — двойка. Логично было бы идти от общего к частному: начать с типа автомобиля, а потом обозначать класс, поскольку нумерация классов зависит от типа. Тогда Жигули первых выпусков следовало бы назвать ВАЗ-1201. Но случилось иначе.

Вернуться к оглавлению

Модификация — это не модель

Третья и четвёртая цифры в обозначении соответствуют номеру модели автомобиля. У ВАЗ 2101 и ВАЗ 21011 эти третья и четвёртая цифры совпадают — 01. Это одна и та же модель, первая модель завода АвтоВАЗ. Классическая «копейка». Шестая цифра служит для обозначения модификации, то есть ВАЗ 21011 — это первая модификация первой модели АвтоВАЗа. Граница между пониманием обновлённой машины как новой модели или новой модификации довольно условна. Новый двигатель и прорези в передке корпуса у 21011 — это модификация. А новый двигатель и сдвоенные фары — это уже новая модель ВАЗ 2103.

Разница между ВАЗ 2101 и ВАЗ 21011 состоит, прежде всего, в том, что «одиннадцатая» получила новый мотор. Экстерьерный тюнинг ВАЗ 21011 и обновлённый салон играли второстепенную роль. Пользуясь тем, что, в отличие от Фиата 124, двигатель ВАЗ 2101 имел увеличенное расстояние между осями цилиндров, конструкторы увеличили диаметр камер сгорания с 76 до 79 миллиметров.

Технические характеристики	Улучшения
рабочий объём	вырос с 1200 до 1300 куб. см;
мощность	возросла с 64 до 69 л. с.;
разгон до сотни	уменьшился на 2 сек.

Двигатель получился настолько удачным, что пережил модификацию, для которой был разработан. До середины девяностых сохраняла своё место на конвейере популярная модификация «шестёрки» ВАЗ 21063, на которую ставился именно 1300-кубовый мотор 21011. Этот же мотор послужил основой разработки двигателя ВАЗ 2105. Он получил ремённый привод газораспределительного механизма, а в остальном повторял тот же самый двигатель от ВАЗ 21011.

Преемственность двигателей обеспечивает высокую степень доступности запчастей для ремонта.

Вернуться к оглавлению

Стильный внешний вид

Увеличение мощности мотора потребовало увеличения притока охлаждающего воздуха в подкапотное пространство. Между радиаторной решёткой и передним бампером появились четыре прорези в передке кузова. Этот элемент не только обеспечил поступление воздуха к радиатору охлаждения, но явно улучшил внешний вид передней части автомобиля.

Современному внешнему виду «одиннадцатой» ещё больше способствовал отказ от клыков на бампере — явного наследия Фиатов 50-х и начала 60-х годов. Вместо них появилась продольная декоративная накладка. Внешний вид фар остался прежним, но в них перекочевал габаритные огни. Из-за этого стали цветными передние указатели поворотов.

Задняя часть кузова тоже обновилась. Фонарь заднего хода переместился из-под бампера вверх, под правый задний фонарь. Под левым разместилась табличка «Жигули 1300». Многие, в порядке ремонта, меняли её на купленный на авторынке краденый с завода экспортный шильдик «Lada 1300». Катафоты передвинули в середину задних фонарей. Салон 21011 тоже подвергся модернизации: рулевое колесо потеряло хромовое колечко, обновилась панель приборов, улучшились передние сиденья. Многие из этих изменений впервые появились на модели FIAT 124S, и использование европейского опыта действительно пошло на пользу «копейке».

Справедливости ради надо сказать, что заимствования не были односторонними. Утопленные дверные ручки, например, перекочевали с Жигулей на FIAT 124 Spiciale. Впрочем, рестайлинг и тюнинг не продлили конвейерный век 124-й модели за пределы 1974 года, в то время как ВАЗ 21011 пережил свой прототип на полтора десятка лет. Выпуск «одиннадцатой» продолжался до 1988 года, и она успешно переносила отечественное бездорожье, сомнительного качества бензин и ремонты в частном гараже своими руками.

Вместе с ВАЗ 2101 «одиннадцатая» в 2000 году по результатам масштабного опроса журнала «За рулём» получила звание лучшего отечественного автомобиля столетия.

Что означают аббревиатуры «1.5 GLi», «GTE 16v» и т.п.? Комплектации автомобилей семейства ВАЗ-2110. | TLT.ru

Применяемость орнаментов автомобилей семейства 2110:

1,5 — все автомобили ВАЗ-2110, 21111(карбюраторный двигатель).

1,5 I — автомобили ВАЗ-21102, 2111, 21122 для внутреннего рынка, с инжекторным двигателем -I (касается всех остальных).

1,5 LI — все автомобили ВАЗ- 21102, 2111 в комплектации «люкс»*, 2122 для внутреннего рынка в аналогичной комплектации.

1,5 GLI — все автомобили ВАЗ-21102 в комплектации «гран-люкс», 21122 в комплектации «гран — люкс» для внутреннего рынка.

1,5 GLI 16 V — все автомобили ВАЗ 21103, 21113, 2112 в комплектации «гран-люкс».

1,5 GLI 16 V — все автомобили ВАЗ 2111 комплектации «гран-туризм».

1,5 GTE 16 V — все автомобили ВАЗ 21113, комплектации «гран-туризм».

1,5 SLI 16 V — все автомобили ВАЗ 2112 в комплектации «спэшл-люкс».

Содержание спецкомплектаций

1,5 , 1,5 I автомобили с карбюраторным и инжекторным двигателем 8-и клапанным двигателем соответственно имеют в базовой комплектации для внутреннего рынка — обивка сидений из капровелюра и (или) твида, ручные стеклоподъемники. Некоторые опции (электроподъемники стекол, блокировка замков дверей, иммобилайзер, окраска кузова в «металлик» и др.) могут быть установлены в соответствии с таблицами производственных комплектаций автомобилей 2110, 21102, 2111, 21111, 21122 для внутреннего рынка. Цены таких комплектаций соответственно выше, чем у базовой комплектации.

LI люкс-инжектор, электроподъемники стекол и блокировка замков дверей. Обивка сидений из бархата, система защиты от угона — иммобилайзер. Вентилируемые тормозные диски 13″.

GLI гран-люкс-инжектор, электроподъемники стекол и блокировка замков дверей и багажника, обивка сидений из бархата, иммобилайзер, вентилируемые тормозные диски 13″, спойлер задка с дополнительным фонарем стоп-сигнала, противотуманные фары.

GLI 16 V гран-люкс-инжектор, электроподъемники стекол и блокировка замков дверей и багажника, обивка сидений из бархата, иммобилайзер, вентилируемые тормозные диски 14″, спойлер задка с дополнительным фонарем стоп-сигнала, 16-и клапанный двигатель.

GTI 16 V гран-туризм-инжектор, содержит те же опции, что и комплектация GLI 16 V плюс рулевое колесо с надувной подушкой безопасности, литые колесные диски 14″, боковые молдинги дверей, обогреваемые зеркала с электроприводом и гидроусилитель рулевого управления, 16-и клапанный двигатель.

GTE гран-туризм-эстэйт, то есть универсал, содержит те же опции, что и аналогичная комплектация GLI.

GTE 16V универсал с 16-клапанным двигателем в комплектации, аналогичной GTI 16 V.

SLI 16 V спэшл-люкс-инжектор, комплектация самого заряженного хэтчбека, с 16-и клапанным двигателем и комплектацией, аналогичной GTI 16 V. Плюс подушка безопасности для пассажира, обогрев передних сидений, кондиционер и электро(гидро) усилитель рулевого управления.

*Автозавод оставляет за собой право вносить изменения и дополнения в комплектации своих автомобилей, в определенной степени зависящие и от коньюктуры внутреннего рынка.

Omega-inter

Уаз расшифровка аббревиатуры

Как расшифровывается ВАЗ, ГАЗ и другие автомобили СССР. Полный перечень.

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Как расшифровывается КамАЗ

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

уаз — сокращение: уаз — все значения

Найдено 2 сокращений в 1 группах

Аббревиатуры похожие на уаз

• UCS — Универсальный набор символов
• Соединенные Штаты Америки — Соединенные Штаты Америки
• UC — Урги Центр
• USCG — Береговая охрана США
• UAS — Беспилотная авиационная система
• UCI — Проверка соответствия агрегата
• UAC — Объединенная Африканская Компания
• UG — Университет Ганы

.

Расшифровка Сокращений Списка Корпуса — HotPads Blog

Я никогда не претендовал на звание «бедра». Фактически, я обсуждал ранее, как мне приходилось бегать в Google каждый раз, когда я получал электронное письмо или читал пост в блоге, чтобы перевести обычные интернет-сокращения. К сожалению, мое отсутствие жаргона не заканчивается там. Меня часто смущают и сбивают с толку сокращения, используемые в объявлениях и других списках жилья в Интернете.

Итак, чтобы помочь себе учиться и, надеюсь, помочь всем тем, кто находится в подобной лодке, я составил эту коллекцию общих сокращений и сокращений, используемых в списках арендуемого жилья.

Сокращение	Значение
24 часа в сутки	24-часовое аварийное обслуживание
AC или A / C	Кондиционер
Приложений	Бытовая техника
кв.	Квартира
BA	Ванная
BR	Спальня
Bsmt	Подвал
CAC	Центральный кондиционер
Cath Ceil	Соборные потолки
DA	Столовая
Дет	отстали
Dk	Палуба
DR	Столовая
Dw (D / w)	Посудомоечная машина
Eff	Эффективность
EiK	Столовая
Fin bsmt	Готовый подвал
FDR	Формальная столовая
FHA	Закон о справедливом жилье
FMR	Ярмарка рынка аренды
FP	План этажа
Frplc, fplc, FP	Камин
G / D	Вывоз мусора
Gar	Гараж
Grmet kit	Кухня для гурманов
H / A	Доступно для инвалидов
H / W	Паркетные полы
HAP	Плата за жилищную помощь
HCV	Ваучер на выбор жилья
Привет ceil	Высокие потолки
HQS	Стандарты качества жилья
HUD	Департамент жилищного строительства и городского развития
HVAC	Отопление, вентиляция и кондиционирование
LA	Жилая площадь
LR	Гостиная
MBR	Главная спальня
MBTH	мастер ванная комната
Neg	Торг
Ofc	Офис
OSP	Автостоянка на улице
Пкг	Парковка
Pl	Бассейн
PM	Управляющий недвижимостью (управление)
Pvt	Частный
Pwdr rm	Туалетная комната (1/2 ванны)
RE	Недвижимость
Ренов	Отремонтированный
Rf	Крыша
Rm	Комната
SF	для одной семьи
SFA	для одной семьи прилагается
SFD	Одиночная семья отстранена
Sp (S / p)	Бассейн
кв.футов	квадратных футов
СРО	одноместное размещение
Stu	Студия (эффективность)
Th (T / H)	Таунхаус
TR	Аренда арендатора
Vw (ву)	Просмотр
W / A	Доступно для инвалидных колясок
W / D	Стиральная машина / сушилка
Вт / д hkup	Подключение стиральной машины / сушилки
W / W	Ковровое покрытие
WIC	Гардеробная
Yd	Двор

,

Расшифровка Нигерии Номерной знак Аббревиатура

Интересно, что означают все цифры и цифры на вашей табличке? Давайте присоединиться к нам, чтобы расшифровать аббревиатуру номерной знак Нигерии!

1. Декодирование Нигерии Номерной знак аббревиатуры

В каждой стране мира вы найдете номерные знаки практически на каждом автомобиле, Нигерия не исключение. Номерной знак является одним из установленных правительством средств идентификации транспортных средств.Очевидно, что основная масса автомобилей имеет одинаковую модель, цвет и характеристики, поэтому различить их будет невозможно.

Существуют различные формы номерных знаков, в зависимости от предпочтения страны. В Нигерии уникальный формат примерно такой:

ABC-123DE

Первые три буквы обозначают район местного самоуправления, где было зарегистрировано транспортное средство, затем следуют три цифры и две другие буквы.

Две последние буквенные коды в основном для нумерации.Например, серия номеров изменится с 001AA на 999AA, а затем перейдет на 001AB — 999AB и так далее. Однако в некоторых случаях первая буква используется для различения типов транспортных средств. Например, A означает личный транспорт, X означает такси и коммерческий транспорт, Q означает велосипеды и трехколесные велосипеды, а H — фургоны hilux.

Как правило, номерные знаки белого цвета, а номерной знак напечатан синим цветом. Возможно, вы заметили другие виды номерных знаков, некоторые в красном, а некоторые в зеленом.

Лагос государственный номер

Для коммерческих автомобилей номерной знак напечатан красным цветом, правительственные номерные знаки — зеленым, затем дипломатические номера напечатаны фиолетовым и зеленым цветом с белыми буквами. Для дипломатических номеров первые две или три цифры обозначают страну, которую представляет владелец автомобиля, затем следуют две буквы и цифры. На этой эксклюзивной табличке вместо названия штата вы найдете CORPS DIPLOMATIQUE .

>>> См. 11 типов номерных знаков в Нигерии и что они означают

Как упоминалось ранее, первые три буквы представляют местное правительство, в котором автомобиль был зарегистрирован, это может быть в любом штате Нигерии. Хотя мы не смогли найти все сокращения, мы нашли их довольно много.

2. Список сокращений номеров табличек Нигерии (все штаты)

Абуджа номерной знак аббревиатура
Сокращение	Местное самоуправление
RSH	Каршинский районный совет
РБК	Рубучи, Административный совет
KWL	Квалийский районный совет
KUJ	Куйский районный совет
ABC	Абуджийский муниципальный совет
ABJ	областной совет Абаджи
BWR	Бвари Областной Совет

Ekiti номерной знак аббревиатура
Сокращение	Местное самоуправление
ADK	Ado Ekiti
KER	Икере Экити
AMK	Арамоко Экити
EFY	Efon Alaye
KLE	Иколе Экити
TUN	Moba LG (Otun)
EMR	Emure Ekiti
MUE	Омуо Экити

Ondo номерной знак аббревиатура
Сокращение	Местное самоуправление
AKR	Акуре юг (Akure)
JTA	Север Акуре (Ита Оголу)
FGB	Ифедор (Игбара-Оке)
WWW	Ово (Owo)
LEL	Иль Олуджи (Ile Oluji)
NND	Ондо Уэст (Ondo)
BDR	Ondo East (Болорундуро)
WEN	Иданре (Оуэна)
SUA	Акоко Юго-Восток (Исуа)
РЗЭ	Одигбо (Руда)
GBA	Игбокода (Igbokoda)
КТП	Окитипупа
ANG	Северо-Запад Акоко (Оке Агбе)
FFN	Ose LG (Ifon)
KAA	Иваро Ока или Икаре

Ойо номерной знак аббревиатура
Сокращение	Местное самоуправление
BDJ	Бодия Ибадан
AME	Arowomole (Огбомошо)
LUY	Олуйоле (Ибадан)
MAP	Мапо (Ибадан)
SEY	Iseyin
GBR	Игбо Ора
NRK	Онирекэ (Ибадан)
ГГГ	(Oyo east LG) Штаб-квартира в Кособо
FMT	(Atiba LG) Штаб-квартира в Оффа Мета
JND	(Oyo west LG) Штаб-квартира в Оджонгбоду
JBL	(Afijio LG) Штаб-квартира в Джобеле и его JBL

Лагос номерной знак аббревиатура
Сокращение	Местное самоуправление
FST	Festac
SMK	сомолу
JJJ	Ojo
кДж	Икея
AAA	Остров Лагос LG
FKJ	Ифако Иджайе
AKD	Ибеджу Лекки
LND	Лагос Материк
LSR	Surulere
LSD	Ошоди Изоло
KSF	Кософе
AGL	Айероми Ифелодун
APP	Апапа
KTU	Алимосо
BDG	Бадагры
EKY	Eti-Osa LG
KRD	Икороду
EPE	Epe
MUS	Мушин
GGE	возраст

Кацина номерной знак аббревиатура
Сокращение	Местное самоуправление
BKR	Бакори
BAT	Батагарава
БТР	Батсари
BRE	Baure
BDW	Биндава
CRC	Чаранчи
DDM	Дандум
DJA	Даня
DMS	Данмуса
DRA	Даура
DTS	Dutsi
DTM	Dutsinma
ФСК	Фаскари
FTA	Funtua
NGW	Ингава
JBY	Jibia
KFY	Кафур
КАТ	Kaita
КНК	Канкия
KKR	Канкара
KTN	Кацина
KUF	Курфи
KSD	Кусада
MDW	Майадуа
MLF	Малумфаши
ЧЕЛОВЕК	Мани
MSH	Маши
МТЗ	Матадзу
ТБО	Мусава
RMY	Rimi
SBA	Сабуа
SFN	Safana
SDM	Сандаму
ZNG	Zango

>>> Ознакомьтесь с отличными персонализированными номерными знаками на нигерийских автомобилях знаменитостей

Кросс-Ривер номерной знак аббревиатура
Сокращение	Местное самоуправление
TGD	Аби (Итигиди)
KAM	Акамкпа
KTA	Акпабуйо (Штаб-квартира в Икот Наканда)
BKS	Бакасси
ABE	Бекварра (Штаб-квартира в Abuochicie)
АКП	Biase (Штаб-квартира в Akpet-Central)
BJE	Boki (Boje)
CAL	Калабар Муниципальный
ANA	Calabar юг (Anantigha)
EFE	Etung (Effraya)
км	Иком
BNS	Обанлику (Санквала)
BRA	Обубра
УДУ	Обуду
DUK	Одукпани
GGJ	Огоя
GEP	Якурр
CKK	Яла (Окпома)

Kaduna номерной знак аббревиатура
Сокращение	Местное самоуправление
КГК	Кагарко
KCH	Качия
KJR	Каюру
KJM	Чикун (Куяма)
KWB	Джаба (Квой)
KAF	Джемаа (Кафанчан)

.

как расшифровывается аббревиатура устройства и где оно находится в автомобиле

ДМРВ — это датчик, контролирующий подачу нужного количества всасываемого воздуха в машине. Аббревиатура расшифровывается как датчик массового расхода воздуха. Данное устройство устанавливается на автомобили с системой впрыска топлива.

Содержание

[ Раскрыть]

[ Скрыть]

Для чего используется ДМРВ

Для качественного сгорания топлива в авто необходимо определенное количество потока воздуха. Датчик массового расхода воздуха подает информацию на электронный блок управления для контроля качества смеси воздуха с бензином.

Принцип действия датчика

Действие датчика заключается в замере мощности всасываемого воздуха. Он передает на микропроцессорный блок управления информацию, в которой указана сила воздушной смеси и температура потока. Когда компьютер получил сигнал с ДМРВ, он подает нужное количество топлива на форсунки впрыска в двигатель. Система топлива регулируется временем впрыска, которое в среднем составляет от 1,5 до 2,5 миллисекунды.

Конструкция ДМРВ

Расшифровка устройства датчика массового расхода воздушной смеси

Устройство контроля воздушной смеси состоит из двух частей:

• корпуса;
• датчика.

Корпус имеет круглую форму, что позволяет одевать патрубки без усилий. В данной конструкции установлен экран, который рассеивает поток всасываемого воздуха. В корпусе находится сам измерительный элемент, состоящий из платиновых электродов. Датчик генерирует импульс о составе воздушного потока к блоку управления.

На видео от канала StarsAutoCom представлен обзор устройства ДМРВ.

Где находится датчик массового расхода воздуха в автомобиле

Расходомер установлен в корпус воздушного фильтра. Вторая часть датчика подключена через патрубок к дроссельной заслонке.

Виды датчиков массового расхода воздуха

Автомобили до 2000 года в конструкции датчика имели пленку, которая была гибкая и со временем переламывалась. Потом разработчиками было принято решение использовать проволочные электроды.

Нитиевый (проволочный) датчик

Измерительный элемент имеет две тонкие платиновые нити:

• рабочая;
• контрольная.

Эти элементы прогреваются током, поддерживая одинаковую температуру. Нагревающий электрод обдувается потоком воздуха.

Когда нить ДМРВ начинает остывать, автоматика блока управления увеличивает ток нагрева. Благодаря этим перепадам происходит генерация сигнала на компьютер автомобиля.

Нитиевый ДМРВ

Пленочный датчик

Первые расходомеры воздуха основывались на принципе изменения сопротивления резистора под воздействием изгибаемой пленки, размещенной в корпусе ДМРВ. При прохождении потока воздуха пластинка изгибается, изменяя сопротивление резистора. Разница значений сопротивления оповещает блок управления автомобиля об объеме поступаемого воздуха.

Конструкция пленочного расходомера

Фотогалерея

Месторасположение расходомера ДМРВ в установленном и подключенном состоянии

Видео «Обзор датчиков массового расхода воздуха»

Каналом Alex ZW представлен обзор расходомеров автомобилей.

Что означает слово ваз

ВАЗ — виброакустическая защита Словарь: Словарь сокращений и аббревиатур армии и спецслужб. Сост. А. А. Щелоков. М.: ООО «Издательство АСТ», ЗАО «Издательский дом Гелеос», 2003. 318 с. ВАЗ Волховский алюминиевый завод ВАЗ ВгАЗ Волгоградский алюминиевый … Словарь сокращений и аббревиатур

ВАЗ- — Волжский автомобильный завод ранее: Ордена Трудового Красного Знамени Волжский автомобильный завод имени 50 летия СССР после: АвтоВАЗ авто, в маркировке ВАЗ Словарь: С. Фадеев. Словарь сокращений современного русского языка. С. Пб.: Политехника,… … Словарь сокращений и аббревиатур

ваз — жигуль, жигули Словарь русских синонимов. ваз сущ., кол во синонимов: 4 • автомобиль (369) • жигули … Словарь синонимов

ВАЗ — I м. Волжский автомобильный завод. II м. Легковой автомобиль марки Жигули разных моделей, выпускаемый Волжским автозаводом. Толковый словарь Ефремовой. Т. Ф. Ефремова. 2000 … Современный толковый словарь русского языка Ефремовой

ВАЗ — 1) Волжский автомобильный завод; 2) название всего семейства а/м этого завода. EdwART. Словарь автомобильного жаргона, 2009 … Автомобильный словарь

ВАЗ — ВАЗ, а (завод и автомобиль) … Русский орфографический словарь

ваз — ВАЗа; м. [прописными буквами] 1. Буквенное сокращение: Волжский автомобильный завод. 2. Автомобиль этого завода. ◁ Вазовский, ая, ое … Энциклопедический словарь

ВАЗ — Всемирная Ассамблея Здравоохранения Высший руководящий орган ВОЗ. [МУ 64 01 001 2002] Тематики производство лекарственных средств Обобщающие термины аббревиатура (в сфере обращения лекарственных средств, в печатных изданиях и нормативных… … Справочник технического переводчика

ВАЗ — Координаты: 53°33′24″ с. ш. 49°15′33.3″ в. д. / 53.556667° с. ш. 49.25925° в. д. … Википедия

ВАЗ-ТВ — Эта статья или раздел носит ярко выраженный рекламный характер. Это не соответствует правилам Википедии. Вы можете помочь проекту, исправив текст согласно стилистическим рекомендациям Википедии … Википедия

Все мы знаем, что в Советском Союзе была развитая автомобильная промышленность, выпускавшая множество видов автомобильной техники под разными марками. В настоящее время уже редко где встретишь данную продукцию СССР. Поэтому современная молодежь не знает, например, чем отличаются и как расшифровываются ВАЗ 21011 и ГАЗ 3102. На самом деле, заводов, выпускающих автомобили под разными марками, было достаточно много. Поэтому в этой статье мы не ограничимся лишь ответом на вопрос о том, как расшифровывается ВАЗ и ГАЗ. Расскажем краткую историю каждого из них.

Как расшифровывается ВАЗ

ВАЗ — это Волжский автомобильный завод. Первые машины стали выпускаться в 1970 году в г. Тольятти. Всю технологию производства, включая оснащение оборудованием, а также обучение персонала руководство Советского Союза приобрело у итальянского автогиганта FIAT. Завод специализировался на легковых автомашинах.

Как расшифровывается ГАЗ

Наверное, вы заметили, что последние две буквы ВАЗ расшифровываются как автомобильный завод, а первая буква связана с местностью. Такая формула расшифровки применима почти ко всем советским маркам авто. ГАЗ – Горьковский автозавод, основанный в 1932 году в городе Горький, ныне Нижний Новгород. Базовые технологии были куплены в США у автоконцерна FORD, но впоследствии советские конструкторы вооружились своими технологиями, вытеснив иностранные. Завод выпускал не только легковушки, но также грузовой транспорт и даже автобусы.

Как расшифровывается КамАЗ

Камский автомобильный завод (КАМАЗ) построили в 1969 году в городе Набережные Челны. А «Камский» — потому что стоит завод на берегу реки Кама. Самый крупнейший в СССР завод по производству грузовых автомобилей и тягачей.

Как расшифровывается ЗИЛ

Завод ЗИЛ основали в 1916 году в Москве, расшифровывается как Завод имени Лихачева. Он прошел нелегкий путь, прежде чем стать одним из крупнейших в СССР. Уже через год после основания прогремела революция, и его изъяли в собственность государства. Несколько лет завод занимался починкой грузовых транспортных средств, а также выполнял задания для танковой промышленности. Во время руководства страной Сталиным завод переименовали в честь Сталина, и продукция выпускалась под маркой ЗИС. Наиболее широко производство развернулось с 1957 года после коренной реконструкции.

Теперь вы знаете не только о том, как расшифровывается ВАЗ и ГАЗ, но и немного об истории советского автопрома. Далее вы найдете полный список всех заводов СССР, а их целых 20, и это не считая заводов по производству мотоциклов, троллейбусов, трамваев, тракторов!

• КАЗ — Кутаисский автомоб. завод.
• КамАЗ — Камский автомоб. завод.
• МАЗ — Минский автомоб. завод.
• БелАЗ — Белорусский автомоб. завод.
• ГАЗ — Горьковский автомоб. завод.
• ЗиЛ — Завод имени Ивана Лихачева.
• УралАЗ – Уральский автомоб. завод (во времена Сталина – УралЗИС Уральский завод им. И. Сталина).
• ВАЗ — Волжский автомоб. завод.
• ИжМаш — Ижевский машиностроительный завод.
• АЗЛК — Автомоб. завод им. Ленинского Комсомола (Московский).
• СеАЗ — Серпуховский автомоб. завод.
• РАФ — Рижская автобусная фабрика.
• ЕрАЗ — Ереванский автомоб. завод.
• ЛуАЗ — Луцкий автомоб. завод.
• ЗАЗ — Запорожский автомоб. завод.
• УАЗ — Ульяновский автомоб. завод.
• ЛиАЗ — Ликинский автомоб. завод.
• ПАЗ — Павловский автомоб. завод.
• КАвЗ — Курганский автомоб. завод.
• ЛАЗ — Львовский автомоб. завод.

ваз в словаре кроссвордиста

Википедия

ВАЗ — аббревиатура, может означать:

• ВАЗ — завод АвтоВАЗ и ряд моделей машин этого завода:

• ВАЗ 1152 «Эльф»
• ВАЗ-10031 «Бронтокар»
• ВАЗ-1111Э
• ВАЗ-1151
• ВАЗ-1801
• ВАЗ-2101
• ВАЗ-2102
• ВАЗ-2103
• ВАЗ-2104
• ВАЗ-2105
• ВАЗ-2106
• ВАЗ-2107
• ВАЗ-2108
• ВАЗ-2109
• ВАЗ-21099
• ВАЗ-2110
• ВАЗ-21106
• ВАЗ-2111
• ВАЗ-2112
• ВАЗ-21123
• ВАЗ-2113
• ВАЗ-2114
• ВАЗ-2115
• ВАЗ-2116
• ВАЗ-2120
• ВАЗ-2121
• ВАЗ-21211
• ВАЗ-2122
• ВАЗ-2123
• ВАЗ-2131
• ВАЗ-2151 «Неоклассика»
• ВАЗ-2171
• ВАЗ-2172
• ВАЗ-21728
• ВАЗ-2329
• ВАЗ-2801
• ВАЗ-2802
• ВАЗ-416
• ВАЗ-426
• ВАЗ-526

ВАЗ — Всемирная ассамблея здравоохранения

Ваз — имя собственное; распространено в виде фамилий.

• Ваз, Жозе Мариу (род. 1957) — политический и государственный деятель Гвинеи-Бисау, президент Гвинеи-Бисау (с 2014 года).
• Ваз, Иосиф (1651—1711) — святой Римско-Католической Церкви, священник, миссионер.

Транслитерация: VAZ
Задом наперед читается как: зав
Ваз состоит из 3 букв

Подвеска полузависимая или полунезависимая? А мост какой?.. — теперь не перепутаем!

Некоторые технические термины часто употребляют невпопад. Обидно, но порой и у нас проскакивает нечто подобное — для краткости или ради читабельности. И все же давайте вместе будем стараться не повторять подобные «ляпы»!

Разрезной мост и разъемный мост — это не синонимы!

Разъемный — это когда балка заднего моста состоит из двух частей, собираемых на резьбовом крепеже. При сборке внутрь вкладываются главная передача и дифференциал.

Материалы по теме

Конструкция довольно древняя — сейчас автопроизводители предпочитают мосты типа банджо. Это цельная балка, в отверстие которой вставляется полностью собранный и отрегулированный редуктор (как на фото). Разъемный или неразъемный — это различные типы конструкции мостов: грубо говоря, на одном и том же автомобиле можно использовать и то, и другое.

А разрезной мост представляет собой шарнирную конструкцию, позволяющую правому и левому колесам перемещаться независимо друг от друга. Неразрезной ведущий мост имеет жесткую (цельную) конструкцию, в которой перемещения колес зависимы друг от друга.

Материалы по теме

Понятия «разрезной» и «неразрезной» относятся к типу подвески машины. Неразрезной — это, грубо говоря, балка, которая жестко связывает правое и левое колеса в машинах с зависимой подвеской. А вот если подвеска независимая, то балка не годится: мост как бы разделяется на две самостоятельные половинки, живущие своей жизнью.

Пример автомобиля с разрезными мостами — грузовик Tatra 815.

Шрусы и привод

Расшифровка аббревиатуры ШРУС известна: это шарнир равных угловых скоростей. Через них крутящий момент от главной передачи поступает на ведущие колеса переднеприводных автомобилей и заднеприводных с независимой подвеской.

Материалы по теме

Но зачастую «шрусами» называют узел, правильное название которого — привод колеса. Каждый такой привод содержит помимо прочих элементов два ШРУСа, о которых в документации пишут: шарнир наружный и шарнир внутренний.

Момент от трансмиссии, таким образом, передается внутреннему шарниру, который через вал и наружный шарнир приходит на ступицу с ведущим колесом.

Автоматы и трансмиссии

Материалы по теме

Автомобиль, оснащенный автоматической коробкой передач, с некоторых пор породил непонятный термин: автоматическая трансмиссия! Но это — чепуха. Трансмиссия — это совокупность деталей и узлов, соединяющих двигатель с ведущими колесами автомобиля. В нее могут входить карданный вал, коробка передач, дифференциал, приводы колес со ШРУСами и все подобное. Но автоматических карданов, равно как и автоматических ШРУСов, не существует. С таким же успехом можно назвать автоматическим кузов автомобиля с АКП.

Полузависимая и полунезависимая

В нашей стране споры по этому термину начались с появлением переднеприводных автомобилей ВАЗ‑2108. До этого все было просто. Запорожец имел независимую подвеску по кругу, а Волги, Жигули и Москвичи — независимую спереди и зависимую сзади.

Независимая подвеска — это когда ход одного колеса оси не влияет на другое, а зависимая — когда влияет.

Материалы по теме

Но вспомним, что практически у всех современных автомобилей используется стабилизатор поперечной устойчивости. Эта деталь как раз уменьшает степень независимости колес. Поэтому самое правильное определение задней подвески ВАЗ‑2108 — это подвеска со скручивающейся балкой. Фактически сама балка стала мощным стабилизатором поперечной устойчивости.

Мало того, у многих автомобилей в балку интегрирован трубчатый стабилизатор поперечной устойчивости, причем в разных модификациях автомобиля он может иметь разный диаметр и, соответственно, жесткость. В такой схеме ход одного из колес немного влияет на угол наклона плоскости колеса к дороге (развал). Ну а полузависимая она или полунезависимая — это лишь игра слов.

Заблуждений о технике еще много — развенчаем все. Заходите почаще!

Фото: Depositphotos и фирмы-производители

расшифровка сокращений 🌂 🚹 🤙

Одним из способов информирования потребителя о том, чем именно занимается то или иное предприятие, является код ОКПО. Расшифровка данной аббревиатуры — «Общероссийский классификатор предприятий и организаций». Это набор закодированной информации о деятельности отдельных лиц и компаний, которые предоставляют населению или другим предприятиям определенные услуги.

Общие понятия

Классификатор — это систематизированный список объектов, каждому из которых присвоен определенный код.Есть как российские, так и международные хранилища. Отдельно можно выделить и ведомственные классификаторы. Международные разрабатываются ООН, ЕС или МВФ. В нашей стране за классификаторы отвечает ВНИИКИ. Общее руководство и координацию осуществляет Федеральное агентство по техническому регулированию Российской Федерации. Совокупность всех отечественных классификаторов образует Единую систему классификации и кодирования (ЕСКК).

ОКПО, расшифровка которого говорит сама за себя, является классификатором, включенным в перечень ОК социально-экономической информации, в которую входит информация о товарах и продукции. Использование международных кодов в нашей стране осуществляется путем полного присоединения их кодов к российским или через «переходные ключи».

Объекты классификации ОКПО

Объектами классификации ОКПО являются:

• Юридические лица (а также представительства и филиалы).
• Индивидуальные предприниматели.
• Организации, осуществляющие любую деятельность, связанную с оказанием услуг населению, без образования юридического лица.

Для чего нужны коды ОКПО?

Для составления списков хозяйствующих субъектов во всех базах РФ используются коды ОКПО (расшифровка приведена выше). Кроме того, этот код необходим для более удобной статистики и установления характера отношений между юридическими лицами.Кроме того, этот классификатор позволяет различным отделам более легко обмениваться информацией. Коды ОКПО являются статистическими и не имеют отношения к налоговым кодам (ИНН, ОГРН). Путать их не стоит. Этот код необходим в первую очередь для идентификации предприятий.

ОКПО. Расшифровка кодов

В случае, если номер присваивается физическому лицу, он состоит из 8 цифр. Индивидуальным предпринимателям присваивается 10-значный код. Первые 9 цифр — это серийный номер. Последний рассчитывается по специальной методике и является контрольным числом.

Получение кода ОКПО — важнейшее условие легализации деятельности физического или юридического лица на рынке. К выбору правильного значения нужно подойти со всей ответственностью. Цифровой код, присвоенный компании, должен полностью отражать вид ее деятельности. В противном случае компания будет сталкиваться с постоянными штрафами со стороны проверяющих органов. Если компания по какой-либо причине изменит направление своей деятельности, необходимо будет изменить код.

Как получить код ОКПО

Для регистрации компании в ОКПО-классификаторе необходимо обратиться в Росстат.
После этого будет отправлено информационное письмо со всей необходимой информацией предпринимателю или юридическому лицу. Получить код впервые, то есть сразу после открытия компании, совсем не сложно. В этом случае принцип «одного окна». Это означает, что весь пакет необходимых документов, включая бумагу с присвоенным кодом, оформляется в одном месте.

Если вы не хотите делать это самостоятельно, вы также можете обратиться к посредникам. Сегодня есть компании, специализирующиеся именно на получении кодов для предпринимателей и компаний.Их услуги очень недорогие, а потому вполне востребованы на рынке.

Узнать код юридического лица или предпринимателя совсем просто. Это указывается в правом верхнем углу форм отчетности. Также при необходимости вы можете запросить информацию о компании в Росстате или ФНС. Кроме того, информацию легко получить на сайте ОКПО. Этот классификатор с точки зрения идентификации деятельности сторонних компаний представляет собой очень удобный код.В любом случае узнать эти коды несложно, так как они имеют свои отличительные отличительные особенности.

Как ОКОГ обозначает

Конечно, в нашей стране статистика ведется не только для индивидуальных предпринимателей и юридических лиц. На данный момент Федеральным агентством принято около 20 кодов, количество которых постоянно увеличивается. Например, классификатор ОКОГУ используется для учета государственных органов. Аббревиатура — «Общероссийский классификатор органов государственной власти и управления».Как и в предыдущем случае, этот код необходим в первую очередь для ведения статистики и упорядочения информации о руководящих органах.

Объекты классификации ОКОГУ

Этот код имеет иерархическую структуру. Государственным органам присваиваются пятизначные коды. Итак, ОКОГУ (расшифровка кодов):

1. На федеральном уровне — 10 000.
2. На уровне субъектов РФ — 20 000.
3. Органам местного самоуправления присваиваются номера от 30 000 человек.
4. Объединения организаций и предприятий — 40 000.
   
   

Этот классификатор также имеет второй раздел, коды которого начинаются с 50 000. Они относятся к разного рода объединениям экономического взаимодействия субъектов Российской Федерации, религиозным организациям, общественным объединениям и органам межгосударственного управления. Таким образом, чтобы понять, на каком иерархическом уровне находится та или иная государственная структура, можно посмотреть код ОКОГУ.Расшифровка дает наиболее точную информацию.

Значение кодексов, утвержденных Федеральным агентством, действительно трудно переоценить. Их номер необходимо получить индивидуальным предпринимателям, а также юридическим лицам. Это позволит не только избежать санкций, но и с большим удобством вести дела. Ведь такие обозначения, учитывая то, что идентифицируются максимально просто, позволяют сразу определить вид деятельности компании. Помимо ОКПО и ОКОГУ есть и другие не менее полезные с точки зрения информации классификаторы.

что означает ose

Информация и переводы слова osé в наиболее полном объеме словарных определений в Интернете. Хабанеро. Что означает трубчатая -оза? Мы не собираемся говорить, что «столько ненависти» неверно, но это не то значение, которое большинство людей ассоциирует с SMH, поэтому вам следует избегать его использования для этой цели.) Убейте себя. Аббревиатура KYS чаще всего используется с что означает «убить себя». См. Джозеф для получения дополнительной информации. Что означает OSE? Определения денежного слова практически для любого аспекта рынка.4. Что означает «могу я тебя вытащить»? Ищете онлайн-определение OSE или что означает OSE? Определение OSE / Средства OSE? Шаг 1 — Начало. Проснувшись, он снова начнет лизать… всеобъемлющий глоссарий по инвестициям ADVFN. 2. 5 марта 2019 г., 21:16 UTC. 12 определений OSE. Что такое OSE? Виртуальный помощник учителя: Хизер Л. Уровень вопроса: Базовая Карма: Бесплатно. Что означает осе? Имя Хосе. Уточните этот вопрос. élōmushroom-sícook. До сих пор вы могли иметь некоторое представление об аббревиатуре, аббревиатуре или значении OSE, что означает OSE? Розы цвета слоновой кости.специя Править. Значение OSE также объясняется ранее. Например, нос вашей собаки обычно пересыхает, пока она спит — это потому, что, когда она спит, она не облизывает нос. Получите верхнюю аббревиатуру OSE, относящуюся к биологии. Что означает osé по-английски? Значение слова tubulous -ose в словаре Definitions.net. Что означает OSE в биологии? Значение белой розы: чистота, целомудрие и невинность. Никто не знает, откуда взялась эта фраза. Что означает OSE в «Военных»? У OSE может быть несколько значений, поэтому просмотрите все значения OSE один за другим.ọ́jị́kola. Что означает моя какашка? Задумываясь про себя: «Что значит моя какашка?» Тогда пора пройти викторину! Что ваш какашка говорит о вас? Меню поиска. Это имеет очень глубокое значение для тех, кто его понимает. Каомодзи — очень популярный смайлик в японском стиле, состоящий из разных символов, которые выражают эмоции в текстовых сообщениях и онлайн-общении. До сих пор вы могли иметь некоторое представление об аббревиатуре, аббревиатуре или значении OSE, что означает OSE? Переводится на.Вот дополнительная информация о каждом из этих определений KYS. Озе указывает, что продукт представляет собой сахар Глюкоза Сахароза Фруктоза Мальтоза — это все примеры сахаров. 8 октября 2020 г., 11:18 TikTokers достигли совершенно нового уровня пандемической скуки. Что значит Хосе? Что означает TwT? Этимология SMH. Что означает ose по-английски? Информация и переводы OSE в наиболее полном ресурсе словарных определений в Интернете. ògèdèplantain. ákpụ́cassava-tọ́ ụ̀tọ́sweet. Хосе обычно используется как имя мальчика.1 ответов. Здесь вы найдете перевод osé на английском языке вместе с другими переводами с йоруба на английский. что означает суффикс ose. Ose или даже OSE — это аббревиатура, обозначающая несколько вещей. Определение OSE дано выше, поэтому ознакомьтесь с соответствующей информацией. Вы также можете посмотреть аббревиатуры и акронимы со словом OSE в термине. ОП. Определение OSE в бизнесе и финансах. Цвет слоновой кости также олицетворяет очарование и может стать отличным подарком для человека с изысканным вкусом, и… OSE внесена в крупнейшую и наиболее авторитетную словарную базу данных сокращений и сокращений OSE внесена в крупнейшую и наиболее авторитетную словарную базу данных сокращений и сокращений. аббревиатуры Это также сокращение от OPENSTEP Enterprise, NeXT’s… Что такое OSE? Словарь фондового рынка.У нас в OCCA есть 9-этапный процесс, который мы совершенствовали на протяжении многих лет. Оказывается, желтая слизь очень интересна. Английские слова osé включают жирный, пикантный, рискованный и смелый. Определение слова OSE в словаре Definitions.net. Мы знаем 152 определения аббревиатуры OSE в 6 категориях. Что означает Осе? Из контекста мы можем видеть, что это просто означает каждую уникальную установку Windows Server, будь то физическая… Ос В демонологии Осе — Великий Президент Ада, правящий тремя легионами демонов.Значение OSU — «Oshi Shinobu» (терпеть под давлением), поэтому, если оно правильно понято, нет ничего плохого в его использовании. Вот значение ose на английском языке: перец Edit. Аббревиатура для определения. Что означает OSE… Найдите больше французских слов на wordhippo.com! Сухость в носу может быть вызвана множеством совершенно безобидных вещей. Он также является сокращенной формой от Operating System Embedded, которая представляет собой операционную систему реального времени, созданную шведской фирмой ENEA. 143 Просмотры. Что означает KYS? Здесь вы найдете перевод ose на английском языке, а также другие переводы с игбо на английский.Латинский суффикс –ose используется в биохимии для обозначения сахаров. Узнайте больше о том, что это значит, если у вас есть желтая слизь, чтобы вы могли расшифровать цвет соплей. Значение слова osé. Этот этап связан с тесным сотрудничеством с клиентами, чтобы проект успешно стартовал. Прежде чем выбрать имя для ребенка, позвоните нам по телефону 1-866-489-1188 (бесплатно в Северной Америке) или 604-263-9551. Возможные значения OSE как аббревиатуры, аббревиатуры, сокращения или сленгового термина варьируются от категории к категории. Термин, используемый для описания самого черного человека из ныне живущих, он часто используется в положительной коннотации, описывая кого-то с тремя мужскими гениталиями, темной кожей, восемью кубиками, большими бицепсами и красивым лицом, как самого черного живого человека или человека с красивым лицом. OG ‘этот человек часто известен своим превосходством с женщинами или мужчинами, в зависимости от его / ее интересов (примеры использования можно найти ниже.) Аббревиатура OSE означает «Управление оценки безопасности». Мы будем рады помочь вам или посетить нашу страницу детских имен, чтобы найти… родственные слова. Найдите больше французских слов на wordhippo.com! Закупки OCCA: 9-этапный процесс. Надеемся, это поможет вам в изучении языков. Он состоит из 4 букв и 1 слога и произносится как Хосе. Редактировать. Системный центр лицензирования Windows. Наиболее распространенное сокращение от «Office of Security Evaluation» — OSE. Хотите, чтобы это имя было больше… Q: A: Что такое сокращение от Office of Security Evaluation? Надеемся, это поможет вам в изучении языков.На этикетках пищевых продуктов много чего: например, глюкоза, сахароза, лактоза, фруктоза, декстроза, галактоза и мальтоза. OSE — определение OSE. Что значит, когда у собаки сухой нос? Смотрите переводы ниже. Определение OSE / Средства OSE? что означает суффикс ose. Значение OSE. Тем не менее, это, вероятно, было задумано вокруг… Значение, перевод и как сказать, ose на хауса, игбо, пиджин, йоруба, английский язык | Нигерийский словарь Что означает OSE? ósè. Новые функции поиска Acronym Blog Бесплатные инструменты AcronymFinder.com. Это сокращение означает; Осе (демон), Осе, Хайленд, поселение в Шотландии. Значение слова Хосе — «Б-г добавит (еще одного сына)». сладкие и острые сорта плодов растений рода Capsicum. Розы цвета слоновой кости, которые принято считать кремового цвета или цвета яичной скорлупы, часто используются для создания элегантной презентации и могут обеспечить успокаивающую атмосферу и ощущение роскоши. … Хосе — отличный выбор для родителей, ищущих более популярное имя. Подтвердите свою учетную запись, чтобы ИТ-специалисты могли убедиться, что вы профессионал.Это напоминание самому себе, что нужно идти дальше и никогда не сдаваться. Слоновая кость, хотя и похожа, это не совсем белый цвет, который кажется более темным. В чем смысл OSE? Информация и переводы слова tubulous -ose в наиболее полном словаре определений в Интернете. Как выглядит процесс закупок FF&E в OCCA? Follow задан 8 июля ’13 в 23: 422013-07-08 23:42. user78442 user78442. Посмотрите на эти слова на всех языках: перец, пряность. Эвелин Ваз ответила. Спасибо. Хотя некоторые имена, возможно, кажутся подходящими и обладают некоторыми качествами, которые вы ищете, имя может не соответствовать вашей фамилии и дате рождения ребенка и может создать ограничения и отсутствие успеха.0. или добавление «Среды» означает что-то другое (платформу, архитектуру и т.д.)? KYS обычно не значит быть таким злым или противным, как кажется. MeekLogic писал: «Единственное, что меня сбивает с толку, — это то, где Microsoft делает различие между физической машиной…
Башня Канзас-Сити, Чемпионат НХЛ 2000, Сдача агентов Глазго, Вакансии в Кейптауне, Ворона: злая молитва, Кто написал песню, Флэтайрон Билдинг Питтсбург,

Стековая структура LSTM для декодирования непрерывной силы из сигнала потенциала локального поля первичной моторной коры (M1)

BMC Bioinformatics.2021; 22: 26.

и

Мехрдад Кашефи

Исследовательская лаборатория нейробиологии и нейроинженерии, факультет биомедицинской инженерии, Школа электротехники, Иранский университет науки и технологий (IUST), Тегеран, Иран

Мохаммад Реза Далири

Исследовательская лаборатория нейробиологии и нейроинженерии, Департамент биомедицинской инженерии, Школа электротехники, Иранский университет науки и технологий (IUST), Тегеран, Иран

Исследовательская лаборатория нейробиологии и нейроинженерии., Департамент биомедицинской инженерии, Школа электротехники, Иранский университет науки и технологий (IUST), Тегеран, Иран

Автор, ответственный за переписку.

Поступило 25 февраля 2020 г .; Принято 2020 декабря 29.

Открытый доступ Эта статья находится под международной лицензией Creative Commons Attribution 4.0, которая разрешает использование, совместное использование, адаптацию, распространение и воспроизведение на любом носителе или любом формате при условии, что вы надлежащим образом укажете оригинал Автор (ы) и источник предоставляют ссылку на лицензию Creative Commons и указывают, были ли внесены изменения.Изображения или другие сторонние материалы в этой статье включены в лицензию Creative Commons для статьи, если иное не указано в кредитной линии для материала. Если материал не включен в лицензию Creative Commons для статьи и ваше предполагаемое использование не разрешено законодательными актами или превышает разрешенное использование, вам необходимо получить разрешение непосредственно от правообладателя. Чтобы просмотреть копию этой лицензии, посетите http://creativecommons.org/licenses/by/4.0/. Отказ от лицензии Creative Commons Public Domain Dedication (http: // creativecommons.org / publicdomain / zero / 1.0 /) применяется к данным, предоставленным в этой статье, если иное не указано в кредитной линии к данным.

Дополнительные материалы

Дополнительный файл 1: Семикратные семикратные результаты CV. Мы представляем расширенную версию Table и Table. Для каждой крысы мы провели 7-кратную семикратную перекрестную проверку. Сообщаются коэффициент корреляции (r) и коэффициент детерминации (R2) сети на основе PLS и LSTM. Для всех крыс сеть на основе LSTM показывает значительно более высокие значения (r) и (R2).

GUID: F736CC7F-559C-4478-BFE6-1E4AC6C3B5A6

Заявление о доступности данных

Набор данных, проанализированный в этой рукописи, не является общедоступным. Однако данные, использованные для этого исследования, могут быть предоставлены по разумному запросу. Запрос на доступ к набору данных следует направлять в MRD, [email protected].

Аннотация

Предпосылки

Интерфейсы мозга и компьютера (BCI) преобразуют активность нервной системы в управляющий сигнал, который может быть интерпретирован для внешнего устройства.Используя ИМК с непрерывным двигателем, пользователь сможет непрерывно управлять роботизированной рукой или отключенной конечностью. Помимо декодирования целевого положения, точное декодирование амплитуды силы важно для разработки систем BCI, способных выполнять точные движения, такие как захват. В этом исследовании мы предложили стековую нейронную сеть с долгой кратковременной памятью (LSTM), которая смогла точно предсказать амплитуду силы, приложенной тремя свободно движущимися крысами, с помощью их сигнала локального потенциала поля (LFP).

Результаты

Производительность сети сравнивалась с методом частичных наименьших квадратов (PLS). Средний коэффициент корреляции (r) для трех крыс составлял 0,67 в сети на основе PLS и 0,73 в сети на основе LSTM, а коэффициент детерминации (R2) составлял 0,45 и 0,54 для сети на основе PLS и LSTM, соответственно. Сеть смогла точно декодировать значения силы без явного использования временных задержек во входных функциях. Кроме того, предложенный метод был в состоянии очень точно предсказать значения нулевой силы за счет выгоды от нелинейности выходного сигнала.

Заключение

Предложенная стековая структура LSTM смогла точно предсказать приложенную силу по сигналу LFP. Помимо более высокой точности, эти результаты были достигнуты без явного использования временных задержек во входных функциях, что может привести к более точным и быстрым системам BCI.

Ключевые слова: LFP, силовое декодирование, LSTM, BCI

Предпосылки

Появление мозговых компьютерных интерфейсов (BCI) обещает восстановить движение отключенных конечностей или управлять искусственным эффектором [1, 2].В системах BCI использовались различные методы регистрации сигналов с разной степенью инвазивности; несмотря на высокий уровень инвазивности, интракортикальные записи содержат самую высокую информацию, связанную с движением, и соотношение сигнал / шум [3]. Внутрикорковые нейронные данные, обычно всплески временных рядов или частота возбуждения нейронов, используются для непрерывного управления движением искусственного эффектора или стимуляции поврежденной конечности. Однако запись всплесков за длительный период может оказаться сложной задачей. Количество полученных пиков со временем уменьшается и снижает функциональность системы BCI.Кроме того, пики записываются с высокой частотой дискретизации, что увеличивает сложность и стоимость записывающих устройств. Поэтому потенциалы локального поля (LFP) используются как более стабильный и простой источник информации [4]. LFP представляют собой низкочастотные колебания напряжения, которые, как полагают, связаны с активностью постсинаптических токов вблизи записывающих электродов [5]. Многие исследования показали, что параметры, связанные с движением, могут быть декодированы с использованием спектральных характеристик многоканального сигнала LFP [6, 7].Например, непрерывное положение руки как в 2D, так и в 3D пространстве было декодировано с использованием сигналов LFP, записанных из области моторной коры M1 [8]. Однако многие повседневные действия, такие как хватание, требуют контроля точного значения силы, приложенной к объекту. Следовательно, было бы полезно иметь возможность декодировать информацию о силе из сигналов мозга. В некоторых исследованиях [9–11] для прогнозирования амплитуды силы использовался сигнал ЭКоГ, записанный из областей, связанных с движением. Среди немногих исследований, посвященных силовому декодированию с использованием LFP, Milecovic et al.[11] использовали 100 каналов LFP для точного декодирования силы, приложенной к каждому пальцу во время захвата. Хорасани и др. использовали всего 16 каналов LFP (те же данные, что и в этом исследовании) для декодирования значения силы, прикладываемой свободно движущейся крысой [12].

Все нейронные данные, включая LFP, очень динамичны, нелинейны и имеют низкое отношение сигнал / шум. Эти сложные характеристики нейронных данных вынудили исследователя использовать различные подходы к обработке сигналов и машинному обучению для достижения более высокой производительности при декодировании параметров, связанных с движением, из нейронных данных.Например, Хорасани и др. . предложил новую технику адаптивного удаления артефактов для улучшения качества сигнала для достижения более высокой производительности в BCI [13]. Foodeh et al., . ввел фильтр оценки минимального шума (MNE) для удаления артефактов из записанных нейронных сигналов [14]. Marathe et al., . модифицировал технику общих пространственных шаблонов (CSP) для выделения признаков в непрерывных BCI-системах [15]. Бенц и др., . предложил новую схему извлечения признаков посредством анализа связности в непрерывных BCI [16].Чжуанг и др. . рассмотрел динамические характеристики выходного сигнала BCI, применив фильтр Калмана в качестве декодера [8]. Чжэн Ли и др. ., и Симин Ли и др. ., модифицировали фильтр Калмана без запаха для нелинейной оценки параметров, связанных с движением [17, 18]. Шимода и др., . использовал частичную регрессию наименьших квадратов (PLS) для декодирования трехмерных траекторий рук для работы с пространством признаков большой размерности [19]. ван Гервен и др. . представил разреженный ортонормированный PLS как расширение обычного PLS, которое может одновременно выполнять выбор функций и регрессию [20].

Среди всех сложностей проектирования системы декодирования BCI, обработка большой размерности пространства признаков, изучение внутренней динамики данных и поиск возможного нелинейного отображения между нейронными данными и параметрами движения цели кажутся необходимыми для успешного BCI. модель декодирования. Однако в большинстве случаев предлагаемые методы не могут одновременно решить эти проблемы. Например, многие методы регрессии, такие как семейство линейных методов, не могут ни найти внутреннюю динамику данных, ни нелинейное отображение между входом и выходом.Таким образом, чтобы решить проблему внутренней динамики, к функциям добавляются несколько предыдущих временных выборок данных. Тем не менее, проблема, связанная с нелинейным отображением, сохраняется, и добавление предыдущих временных выборок также увеличивает размерность пространства признаков. Поэтому естественно подумать о нелинейном методе, в котором предыдущие соответствующие функции автоматически используются для прогнозирования текущего целевого значения. Рекуррентные нейронные сети обладают вышеупомянутыми характеристиками.

Рекуррентные нейронные сети (RNN) могут изучать внутреннюю динамику данных.Однако из-за исчезновения градиента информация из прошлых выборок не может легко достичь текущей выборки [21]. Для решения этой проблемы были введены новые структуры, в том числе LSTM (Long Short-Term Memory) и GRU (Gated Recurrent Units) [22]. У сетей с долговременной краткосрочной памятью есть дополнительный путь для передачи соответствующей информации из предыдущего образца в более свежие. В отличие от классических рекуррентных нейронных сетей, LSTM более устойчив к исчезновению градиента и был значительно успешен в обработке естественного языка и прогнозировании временных рядов.Ожидается, что эти сети также смогут получать релевантную информацию из нейронных данных. Например, Belo et al. [23] использовали структуру на основе ГРУ для синтеза множества биологических сигналов, включая электрокардиограмму (ЭКГ) и электромиограмму (ЭМГ), с целью шумоподавления, классификации и генерации (воспроизведения) сигналов ЭМГ и ЭКГ. Кроме того, в другом случае сеть LSTM использовалась для прогнозирования кинематики руки [24]. К сожалению, в отличие от обработки естественного языка, в наборах данных, связанных с BCI, мало выборок.Следовательно, LSTM могут быть чрезмерно приспособлены к обучающим данным. Помимо регуляризации, Dropout-слои оказались полезными в решении проблемы переобучения [25]. В этом исследовании нейронная сеть на основе LSTM используется для декодирования амплитуды силы из спектральных характеристик данных LFP без прямого использования временных задержек в функциях. Результаты сравниваются с методом частичных наименьших квадратов (PLS).

Результаты

Сеть оценивается с помощью семикратной перекрестной проверки. В этом методе данные делятся на 7 разделов, и каждый раз 6 разделов используются как поезд, а оставшийся раздел — как тестовые данные.Этот процесс повторяется 7 раз, и окончательная производительность — это средняя производительность во всех 7 раза. При оценке PLS используются те же данные поездов и испытаний. Гиперпараметры сети LSTM и количество компонентов для PLS были оптимизированы, как описано в разделе о методах для каждой свертки.

Точность прогноза

Коэффициент корреляции (r) и коэффициент детерминации (R2) указаны для каждой крысы на всех итерациях в таблицах и, соответственно.В обеих таблицах и самые высокие значения выделены курсивом. С точки зрения корреляции, среднее значение для всех 7-кратных значений для крысы 1, крысы 2 и крысы 3 составляет 0,7 ± 0,05, 0,6 ± 0,06, 0,71 ± 0,02 для PLS с 10 временными лагами и 0,74 ± 0,05, 0,70 ± 0,05 и 0,75 ±. 0,03 для сети LSTM соответственно. Статистическая значимость результатов проверялась с использованием знакового рангового критерия Вилкоксона p <0,01. Что касается коэффициента детерминации (R2), среднее 7-кратное значение для крысы 1, крысы 2 и крысы 3 составляет 0,44 ± 0,06, 0.43 ± 0,1 и 0,49 ± 0,05 для PLS и 0,52 ± 0,08, 0,49 ± 0,09 и 0,54 ± 0,06 для сети LSTM соответственно со статистической значимостью p <0,05 (критерий знакового ранга Вилкоксона). Эти результаты показывают, что сеть LSTM смогла более точно предсказать значение силы. Для дополнительной оценки точности прогноза мы также оценили сеть с помощью 7-кратной 7-кратной перекрестной проверки, и значимость результатов была оценена для каждой крысы (см. Дополнительный файл 1).

Таблица 1

Коэффициент корреляции сети LSTM и PLS (10 лагов), для всех крыс и 7 складок

9023 902 902 902 0,76 9023 0,63 0,7302 9023 902 902 902 0,7302 9023 902 902 902 0,71

r	Крыса 1		Крыса 2		Крыса 3
		LSTM	PLS	LSTM	PLS	LSTM
	Складывание 174	0,74	0,75	0,77	0,70	0,76
Складывание 2	0,65	0,71	0,76	0,76	0,76	0,76	0,68	0,70	0,75	0,68	0,74
Складывание 4	0,69	0,80	0,67	0,64	0.73	0,77
Складчатый 5	0,68	0,82	0,57	0,62	0,69	0,69
0,80
Fold 7	0,74	0,78	0,67	0,72	0,72	0,74
Среднее значение	0.7 ± 0,05	0,74 ± 0,05	0,69 ± 0,06	0,70 ± 0,05	0,71 ± 0,02	0,75 ± 0,03

Таблица 2

Коэффициент LSTM для сети и определения 10 лагов), для всех крыс и 7 складок

90234 9023 0,464 902 902 0,57 9023 902

R 2	Крыса 1		Крыса 2		Крыса 3
	PLS	PLS PLS	LSTM	PLS	LSTM
Сгиб 1	0.50	0,54	0,36	0,59	0,48	0,55
Складывание 2	0,38	0,51	0,57	0,57	0,57	0,57	0,57	0,57	0,39	0,44	0,49	0,49	0,41	0,48
Складной 4	0,43	0,46	0,42	0.42	0,53	0,59
Складчатый 5	0,38	0,68	0,29	0,34	0,46	0,45
0,45
0,45
0,50	0,62
Складывание 7	0,48	0,58	0,35	0,49	0,50	0,52
± 0,06	0,52 ± 0,08	0,43 ± 0,1	0,49 ± 0,09	0,49 ± 0,05	0,54 ± 0,06

Для лучшей визуализации прогнозов, три прогноза с наивысшим (R2) значения представлены на рис. Значение силы, предсказанное LSTM и PLS, и наблюдаемые значения силы сравниваются. Синяя линия указывает истинное значение силы, красная и зеленая линии — это прогнозы, сделанные PLS и LSTM соответственно. Для каждой крысы нанесены складки с наивысшей точностью декодирования.Как видно на рис., LSTM смогла более точно отслеживать истинное значение силы.

Расчетное значение силы для LSTM и PLS для трех крыс. Синяя линия указывает истинное значение силы, красная и зеленая линии — прогнозы PLS и LSTM соответственно. a Крыса 1: r = 0,82 и R2 = 0,68, b Крыса 2: r = 0,77 и R2 = 0,59, c Крыса 3: r = 0,80 и R2 = 0,62

Фильтрация CAR

Чтобы Оценить влияние фильтра CAR, значения силы были предсказаны один раз с применением фильтра CAR к сигналу LFP и один раз без фильтра CAR.Эффект фильтра CAR был исследован как для сетей PLS, так и для сетей LSTM, а также для всех крыс. Результаты представлены в таблицах и. Результаты показывают, что использование фильтра CAR повышает точность прогнозирования как для сети PLS, так и для сети LSTM. Это улучшение было значительным как для PLS, так и для LSTM (критерий знакового ранга Уилкоксона p <0,05 для всех крыс и всех складок вместе взятых).

Таблица 3

Коэффициент корреляции сети LSTM и PLS, с фильтром CAR и без него

0,5

r	Rat 1		Rat 2		Rat 3
	PLS		PLS		PLS	LSTM	PLS	LSTM
CAR фильтр	0.7 ± 0,05	0,74 ± 0,05	0,69 ± 0,06	0,70 ± 0,05	0,71 ± 0,02	0,75 ± 0,03
Нет фильтра CAR	0,6 ± 0,02	0,70 ± 0,04	0,68 ± 0,04	0,68 ± 0,02	0,71 ± 0,01

Таблица 4

Коэффициент детерминации для сети LSTM и PLS, с фильтром CAR и без него

R 2	Крыса 1		Крыса 2		Крыса 3
	PLS	LSTM	PLS	LSTM	9015 9019 9015 9015 9019 9015 9015 9019 9015 фильтр	0.44 ± 0,06	0,52 ± 0,08	0,43 ± 0,1	0,49 ± 0,09	0,49 ± 0,05	0,54 ± 0,06
Без фильтра CAR	0,39 ± 0,06	0,42 ± 0,07	0,43 ± 0,07	0,42 ± 0,03	0,51 ± 0,04

Вклад временных лагов в предсказание PLS

Чтобы исследовать влияние временных лагов в предсказании PLS, PLS оценивался с разным количеством времени отставание.Наилучшие результаты были получены при учете 10 временных лагов. На рис. Показан коэффициент детерминации (R2) для прогнозов PLS с различным количеством временных задержек. Для крысы 1 (R2) значение прогноза значительно снижается с 0,44 ± 0,06 до 0,25 ± 0,13; такая же картина наблюдается и для других крыс. Таким образом, значения прогнозирования с 10 временными лагами значительно отличаются от значений без временного лага (p <0,01 знаковый ранговый критерий Вилкоксона), что указывает на то, что в предыдущих выборках имеется соответствующая информация.

Коэффициент детерминации (R2) прогнозов PLS для разного количества временных лагов. Значения, полученные при прогнозировании 10 временных лагов, значительно отличаются от значений без временного лага (p <0,01 критерий знакового ранга Уилкоксона)

Вклад полос частот

Вклад каждой полосы частот рассчитывается согласно формуле. (16). Средние значения вкладов для всех 7 складок показаны на рис. Значения стандартной ошибки были незначительны; поэтому не отображается.На рисунке показано, что более высокие полосы частот имеют больший вклад в прогнозирование значений силы.

Вклад каждой полосы частот в прогнозирование LSTM. Проиллюстрировано среднее значение всех 7 складок. Стандартные ошибки были незначительны, поэтому не показаны

Альтернативные повторяющиеся ячейки

Для всех вышеупомянутых анализов мы использовали ячейки LSTM в качестве основного повторяющегося блока в сети. Однако другие повторяющиеся ячейки, такие как Simple RNN и GRU, также могут запоминать релевантную информацию по временной выборке.Чтобы сравнить эти повторяющиеся ячейки, мы обучили и оценили ту же структуру сети с тремя типами повторяющихся ячеек, то есть Simple RNN, GRU и LSTM. Сеть на основе LSTM показала более высокий коэффициент детерминации (R2) для трех крыс (рис.). Среднее значение (R2) для всех крыс в сети на основе LSTM было значительно выше, чем в сетях на основе GRU (p <0,05) и простых RNN (p <0,01). (Знаковый ранговый тест Вилкоксона для трех 7-кратных и трех крыс).

Коэффициент детерминации для сетей с различными типами повторяющихся ячеек.Сеть на основе LSTM значительно превзошла по производительности сети на основе GRU и Simple RNN с (p <0,05) и (p <0,01) соответственно

Альтернативные модели регрессии

Мы использовали PLS в качестве основного метода регрессии для сравнения предлагаемых LSTM- на основе нейронной сети. Кроме того, мы сравнили результаты PLS с регрессией опорных векторов (SVR) из семейства методов ядра и случайным лесом с начальной загрузкой из ансамблевых методов обучения. На рисунке показан коэффициент детерминации (R2) для значения силы, предсказанной методом случайного леса, регрессии SVR и PLS, соответственно.Процесс извлечения признаков, количество задержек по времени и проверка были одинаковыми для всех методов. Регрессия PLS имела более высокое значение R2 по сравнению с методом случайного леса (p <0,01) и SVR (p <0,01) (знаковый ранговый критерий Вилкоксона для трех крыс и 7 раз).

Коэффициент детерминации для трех методов регрессии. Регрессия PLS значительно превосходит SVR и случайный лес (p <0,01)

Обсуждение

Характеристики временной задержки

Использование нескольких функций временной задержки является обычной практикой при декодировании нейронных данных.Однако на этот раз запаздывания резко увеличивают размерность пространства признаков. Например, в этом исследовании 96 характеристик были извлечены из 6 полос частот и 16 каналов. Размерность увеличится до 960 только с 10 временными лагами. Это приращение резко увеличит вероятность переоборудования. Сети на основе LSTM, благодаря своему внутреннему потенциалу нести релевантную информацию из предыдущих выборок, могут вспомнить полезную информацию из предыдущей выборки LFP для прогнозирования текущего наблюдения силы без прямого предоставления временных задержек в функциях.Таким образом, сеть LSTM менее подвержена чрезмерной подгонке, вызванной большим количеством функций, и нет необходимости оптимизировать количество задержек в начальном процессе извлечения функций. С другой стороны, как видно на рис., Производительность декодирования PLS снижается с уменьшением количества задержек по времени.

Прогнозируемые значения силы

Как видно на рис., Сеть LSTM может предсказывать нулевые значения силы, но предсказание PLS колеблется вокруг нулевых значений. PLS и другие линейные методы могут генерировать только выходные значения, которые являются линейной комбинацией предикторов.Поэтому нелинейные характеристики систем всегда оцениваются с помощью ближайшей линейной модели. С другой стороны, нейронные сети, в данном случае LSTM Network, имеют в своей структуре нелинейные компоненты (11), которые могут моделировать нелинейность в системе. Кроме того, функция активации выходного слоя может быть выбрана таким образом, чтобы повысить производительность декодирования. Например, в этом исследовании выпрямленный линейный блок (ReLU) был намеренно выбран в качестве функции активации последнего уровня в сети LSTM.ReLU отображает все отрицательные значения на ноль и действует как простая линия для положительных значений, что упрощает для сети прогнозирование нулевых значений силы.

Вклад каждой полосы частот

Рисунок показывает, что более высокие полосы частот, β (12–30 Гц), γ (30–120 Гц) и высокие γ (120–200 Гц), имели больший вклад для крысы 2 и rat 3, при прогнозировании значений силы в сети LSTM. Эта значимость более высоких частотных диапазонов в нейронном декодировании наблюдалась в предыдущем исследовании на том же наборе данных [12].

Альтернативные повторяющиеся ячейки

Мы сравнили предложенную структуру сети с различными повторяющимися ячейками. Ячейка LSTM показала самую высокую точность декодирования (рис.). И GRU, и LSTM являются закрытыми структурами и используют стробирующий механизм для запоминания (забывания) релевантной (нерелевантной) информации. Однако более высокая точность LSTM, вероятно, связана с тем, что LSTM использует дополнительный путь для передачи информации по временной выборке. Простая ячейка RNN, как и ожидалось, имела самую низкую производительность декодирования из-за хорошо известной проблемы исчезновения градиента во времени.

Альтернативные методы регрессии

Помимо PLS, мы исследовали производительность декодирования двух других методов регрессии из разных семейств методов регрессии. И SVR, и Random Forest показали более низкую производительность декодирования по сравнению с PLS (рис.). Мы полагаем, что низкая производительность SVR и случайного леса связана с большим количеством функций и, как следствие, чрезмерной подгонкой обучающего набора данных. PLS, с другой стороны, имеет внутренний механизм для уменьшения большого количества функций, не требуя отдельного выбора функции или уменьшения размерности.

Заключение

В этом исследовании мы представили сеть LSTM, которая может изучать как нелинейность, так и внутреннюю динамику данных. Общие результаты показывают, что в сигнале LFP содержится обширная информация для декодирования мелких движений, таких как сила, и предлагаемая сеть может точно предсказать это продолжающееся движение, что может использоваться в системах BCI на основе LFP.

Методы

Поведенческая задача

В этом исследовании трех крыс линии Вистар со средним весом от 200 до 300 г обучили толкать датчик веса (1 степень свободы), чтобы получить каплю воды из вращающегося рычага в качестве награда.Приложенное давление от 0 до 0,15 Н было линейно отображено на 0–90 градусов поворота рычага. Датчик нагрузки был размещен на 10 см выше пола установки, и из-за незначительного перемещения датчика нагрузки положение и ориентация передних конечностей были стабильными при выполнении задачи (рис.). Если приложенная сила к датчику веса превышала пороговое значение 0,15 Н, после задержки 1,5 с крыса была вознаграждена. Не определены начальная или конечная метка; поэтому время каждого испытания было спонтанным.

Экспериментальная установка. — сигнал Raw LFP из 16 каналов и одно произвольное испытание. b Профиль силы, записанный одновременно с LPF, показан в a . c В экспериментальной установке сила, приложенная к датчику, линейно отображалась на вращение рычага. Крыса была вознаграждена, если приложенная сила достигала 0,15 Н. Нейронный сигнал и приложенная сила регистрировались одновременно.

Структура микромассивов

Матрица микропроводов 4 × 4 с внутренним расстоянием между проводами 500 мкм была построена с использованием 25 мкм Провода с тефлоновым покрытием из платины / иридия (Microprobes Inc., Гейтерсбург, США) с импедансом 500–800 кОм.

Имплантация микромассивов

После обучения микромассив был имплантирован в первичную моторную кору (M1) трех крыс. Массив был размещен напротив их доминирующей руки. Все три крысы выполняли задание правой рукой; поэтому массивы были размещены в левом полушарии. Операция начинается с обезболивания животного путем введения 100 мг / кг кетамина и 10 мг / кг ксилазина. Глубину анестезии определяли защемлением пальца стопы и контролем частоты дыхания.Затем был сделан разрез по средней линии кожи головы, и вся ткань была удалена с волосистой части головы, чтобы сделать кость головы доступной. После этого были отмечены Bregma, Lambda и правильные положения трепанации черепа. Один винт в задней части лямбда-точки и пять других винтов были помещены, чтобы соединить землю и закрепить область соответственно. Затем с помощью атласа головного мозга крысы точно определяли область передних конечностей M1. На следующем этапе центр микромассивов был имплантирован на 1,6 мм кпереди от Bregma, 2.На 6 мм латеральнее средней линии и на 1,5 мм глубиной под поверхностью твердой мозговой оболочки, покрывая всю область передних конечностей. Наконец, область была запломбирована стоматологическим акрилом. Во избежание инфицирования и облегчения боли назначают 0,2 мг / кг мелоксикама и 5 мг / кг эндрофлоксацина в течение двух дней после операции. Более подробную информацию о задаче и операции можно найти в [12].

Этические соображения

Все крысы принадлежали к лаборатории нейроинженерии и нейробиологии Иранского университета науки и технологий, и использование животных в этом исследовании было одобрено и санкционировано местным комитетом.После завершения исследования крыс подвергали эвтаназии воздействием CO ₂ , а затем эвтаназию подтверждали продолжением воздействия газа в течение 20 минут после остановки дыхания в соответствии с рекомендациями NIH. Дополнительные сведения см. В разделе «Утверждение этических норм и согласие на участие».

Запись данных

Через две недели после операции крысы были помещены в установку задачи. Затем одновременно регистрировались нейронные и силовые данные. Имплантированный микромассив был подключен к предусилителю записывающего устройства с помощью имплантированного коннектора.Начальная частота дискретизации составляла 10 кГц. Пики были удалены путем фильтрации сигнала в диапазоне 300–3000 Гц и последующего ручного определения порога для каждого канала. Затем сигнал LFP был извлечен путем фильтрации сигнала между 0,1 и 500 Гц и понижающей дискретизации до 1000 Гц. Что касается сигнала силы, то здесь были незначительные компоненты выше 5 Гц; поэтому сигнал силы был отфильтрован, а затем субдискретизирован со скоростью 10 выборок в секунду. Все процессы фильтрации выполнялись с помощью фильтров Баттерворта 4-го порядка как в прямом, так и в обратном направлении.Как упоминалось ранее, крысы могли выполнять задание в любое время; 1 с до и 2 с после порога 0,15 Н считалась пробной.

Предварительная обработка данных

Окончательная форма данных для каждого испытания представляет собой матрицу 3000 на 16, представляющую временные отсчеты (три секунды данных с частотой дискретизации 1000 отсчетов в секунду) и каналы соответственно. Было проведено 74, 79 и 80 успешных испытаний для крысы 1, крысы 2 и крысы 3 соответственно.

Первым шагом является удаление шума путем применения фильтра CAR (Common Average Reference) к данным [26].При использовании CAR мы предполагаем, что шум — это общий компонент, существующий на всех каналах. Следовательно, удаляя среднее значение всех каналов из каждого канала, можно удалить общий шум. Использование CAR показало улучшение производительности декодирования в обоих методах. На следующем этапе сигнал разбивается на 6 полос частот. Полоса фильтра состоит из δ (1–4 Гц), θ (4–8 Гц), α (8–12 Гц), β (12–30 Гц), γ (30–120 Гц) и высокого γ (120 Гц). –200 Гц). Затем рассчитывалась абсолютная величина и сигнал сглаживался фильтром Савицки – Голея 3-го порядка с длиной окна 150 отсчетов.Использование Савирцкого – Голея улучшает декодирование в основном потому, что сохраняет локальные минимумы в сигнале. Затем данные центрируются и нормализуются путем вычитания среднего и деления сигнала на стандартное отклонение. Наконец, сигнал субдискретизируется, чтобы уравнять количество отсчетов силы и LFP. Теперь размер пространства функций составляет (6 полос фильтров * 16 каналов = 96) для каждой выборки данных. В конце концов, для каждого испытания нейронные данные и целевые значения силы будут матрицами размера (30, 96) и (30, 1) соответственно.Схема извлечения признаков представлена ​​на рис.

Конвейер извлечения признаков

Эксклюзивный этап предварительной обработки PLS

В алгоритмах PLS, SVR и случайного леса для прогнозирования текущей временной выборки, помимо функций для текущей временной выборки, включены функции из предыдущих временных выборок. В этом исследовании 10 временных лагов выборки были включены в предсказание каждой временной выборки. Следовательно, размерность данных увеличится до (10 лагов * 6 полос фильтра * 16 каналов) 960.

Режим PLS

Общая модель PLS показана в (1) и (2). X и Y — матрица предиктора и вектор измерения соответственно. В этом исследовании X представляет собой (n: количество образцов, m: количество функций) матрицу, содержащую характеристики для всех временных выборок, а y — (n: количество образцов, 1) вектор для значений силы. Цель здесь — предсказать значения y с помощью X.

В PLS, в отличие от общих линейных моделей, таких как метод наименьших квадратов, вместо работы напрямую с X и Y используются их скрытые переменные.В нашей базовой модели T и U представляют собой две матрицы размера n × l, которые имеют значения X и Y соответственно. P и Q — ортогональные матрицы нагрузки размером m × l и p × l соответственно. E и F — две i.i.d гауссовские случайные величины.

Как правило, PLS пытается объяснить скрытую переменную Y с наибольшей дисперсией, используя скрытую переменную X, которая описывает ее (она относится к скрытой переменной Y) наилучшим образом. Таким образом, модель не требует выбора функций и может снизить вероятность чрезмерной подгонки из-за большого количества функций, что делает ее идеальным выбором для нейронных данных.

В задаче регрессии PLS конечная цель — найти вектор весов β и точку пересечения β0, которая линейно связывает предикторы с измеренными значениями, как показано в (3).

Существует множество вариантов методов PLS и подходов к решению для поиска матриц загрузки и скоринга. В этом исследовании мы использовали метод PLS-1, который является хорошо известным и широко используемым методом для решения задачи регрессии PLS для случаев, когда Y является вектором. PLS-1 поэтапно находит столбцы матриц загрузки одну за другой.PLS-1 можно резюмировать в следующих шагах:

Шаг 1: Найдите начальные веса нагрузки, найдя направление, в котором ковариация между X и y максимизируется, и назовите его w.

Шаг 2: Найдите первый столбец с оценками, спроецировав X на w, и назовите его t.

Шаг 3: Найдите первые векторы загрузки X и y, проецируя X и y на нормализованный вектор оценок t, найденный на шаге 2, и назовите их p и q соответственно.

Шаг 4: Удалите всю информацию о первой оценке и загрузочных векторах из X и y.

Шаг 5: перейдите к шагу 1 и используйте Xnew и ynew, чтобы найти следующие векторы загрузки и оценки. Затем повторяется l раз для желаемого количества компонентов. Наконец, объедините все веса загрузки, оценки и загрузки. Все значения q, вычисленные на шаге 3, являются скалярами; следовательно, объединение значений q приведет к вектору Q.

W = w1, w2,…, wlT = t1, t2,…, tlP = p1, p2,…, plQ = q1, q2,…, ql

8

Шаг 6: Рассчитайте веса регрессии β и точку пересечения регрессии β0 из вычисленных матриц, вычисленных на этапе 5.

Чтобы оценить производительность модели PLS, мы использовали семикратную перекрестную проверку. Кроме того, количество скрытых переменных выбирается на основе критерия Вольда [27], показанного в (10). PRESS представляет ошибку прогнозирования модели, когда для прогнозирования используются первые l компонентов.

Baibing et al. показали, что использование критерия Вольда может улучшить производительность модели по сравнению с другими подходами, которые пытаются найти оптимальное количество компонентов [28].Чтобы найти оптимальное количество компонентов, мы выполнили десятикратную перекрестную проверку по данным поезда и сочли оптимальным количество компонентов, когда RWold достигнет 0,9. Лучшее количество компонентов — шесть, четыре и пять компонентов для крысы 1, крысы 2 и крысы 3 соответственно.

Модель LSTM

Вдохновленные классическими рекуррентными нейронными сетями, сети с долгой краткосрочной памятью получают выборки данных последовательно, и они используют последнее предсказание для предсказания следующей выборки данных.Классические RNN имеют петлю обратной связи, которая возвращает на входе самые последние выходы сети. Такой дизайн структуры приводит к различным проблемам, таким как взрывной градиент или исчезающий градиент во время обучения сети. Для решения этих проблем сети LSTM совместно используют дополнительный параметр, состояние ячейки, между последовательностями, который дает им возможность запоминать / забывать важные / нерелевантные особенности данных в любой части последовательности.

Сеть LSTM может иметь различные уровни входной и выходной структуры.Например, LSTM может принимать все входные выборки и возвращать один выход в конце приема всех входных выборок или может выдавать выходные данные для каждой входной выборки. В этой работе, как видно на рис., Сеть имеет один выход для каждого входного значения в последовательности.

Развернутая сеть LSTM. Раскрыты три временных шага LSTM. На каждом шаге LSTM получает новый ввод, последний вывод и последний перенос и генерирует следующий вывод и следующий перенос

Формулировку для сети LSTM можно увидеть в уравнениях.(11), (12), (13).

Γu = sigmoidWuyt-1, xtΓf = sigmoidWfyt-1, xtΓo = sigmoidWoyt-1, xt

12

Ct = Γu⊙C ~ t + Γf⊙Ct-1yt = Γ3

x 9000 и

x 9000 y — одно значение последовательности входных и выходных выборок данных. Wc, Wu, Wf и Wo — это веса переноса, обновления, забывания и вывода, соответственно, которые будут изучены в процессе обучения, а ⊙ означает поэлементное произведение. Алгоритм LSTM можно резюмировать в следующих шагах. Во-первых, используя текущую входную выборку и предыдущую выходную выборку, потенциальное значение переноса, т.е.е., C ~ t, рассчитывается по (11). Затем снова, используя последний выход и текущий вход, значения шлюзов обновления, забывания и выхода определяются в соответствии с (12). Эти вентили могут иметь значения от 0 до 1. Например, в крайнем случае, когда Γu = 1 и Γf = 0, сеть полностью забудет предыдущие значения и обновит перенос новым значением потенциала переноса в соответствии с (13). . Затем, используя ворота обновления и забывания, рассчитывается окончательное значение переноса для текущего шага.Наконец, предполагаемый выход рассчитывается как скалярное произведение текущего переносимого значения и выходного затвора. В исходной модели значения смещения учитываются в уравнениях. (11) и (12), но в этом исследовании значения смещения были устранены из-за их незначительного влияния на результаты и уменьшения обучаемых параметров модели. Кроме того, активация вывода Среди различных вариантов структур LSTM мы использовали ванильную структуру LSTM, потому что показано, что другие структуры не показывают значительного улучшения производительности в различных задачах [29].Краткое изложение структуры LSTM показано на рис.

Структура LSTM. Проиллюстрированы входы, выходы, шлюзы LSTM и их соединения.

Структура сети

Структура сети, используемая в этом исследовании, проиллюстрирована на рис. Сеть состоит из двух слоев LSTM, которые связаны с одним полностью подключенным нейроном. Первый уровень LSTM состоит из 30 единиц, и переоснащение на этом уровне контролируется выпадением как на прямом, так и на повторяющемся пути. Кроме того, у слоя нет смещения.Второй уровень LSTM состоит из 15 блоков с прямым и периодическим отключением. Выход второго слоя полностью подключен к одиночному нейрону с активацией ReLU. Вес полностью подключенного нейрона регулируется с помощью L2-нормы, чтобы уменьшить чрезмерную подгонку.

Структура сети. Сеть состоит из двух слоев LSTM и одного полностью связанного нейрона

Сеть оптимизирована с помощью оптимизатора Adam [30], и мы устанавливаем β1 = 0,9 и β2 = 0,999, как рекомендовано в [30]. Средняя абсолютная ошибка была выбрана в качестве стоимости из-за ее устойчивости к шуму.Количество эпох для обучения, скорость обучения, значения для коэффициентов отсева, размер пакета и значение регуляризации полностью подключенных слоев — это гиперпараметры сети. Семикратная перекрестная проверка используется для оценки производительности сети и метода PLS. Мы обучили нейронную сеть с помощью индивидуальных испытаний, а для PLS и других методов обучающие испытания были объединены. В каждом случае 20% обучающих данных используется для проверки и выбора оптимальных значений гиперпараметров.Мы использовали набор инструментов байесовской оптимизации Hyperopt [31] для выбора оптимальных значений гиперпараметров. Байесовский оптимизатор выбрал оптимальную комбинацию значений из таблицы гиперпараметров (Таблица), которая показала наилучшую производительность на данных валидации.

Таблица 5

Гиперпараметры сети и их возможные значения

Гиперпараметры	Значения
Прямое выпадение уровня 1	{0, 0.1, 0,2, 0,3, 0,4, 0,5}
Обратное отключение уровня 1	{0, 0,1, 0,2, 0,3, 0,4, 0,5}
Прямое отключение уровня 2	{0, 0,1, 0,2, 0,3, 0,4, 0,5}
Обратное отключение уровня 2	{0, 0,1, 0,2, 0,3, 0,4, 0,5}
Значение регуляризации	{0, 0,1, 0,2, 0,3, 0,4, 0,5, 0,6, 0,7, 0,8, 0,9}
Скорость обучения	{0,001, 0,0015, 0,002,…, 0,003}
Размер партии	{5, 10, 15, 20,30}
Номер эпохи	{30, 50, 70, 100, 120}

Альтернативный метод

В дополнение к PLS мы использовали SVR и случайный лес с начальной загрузкой для декодирования приложенной силы из сигнала LFP.Процесс извлечения признаков и проверки для SVR и Random Forest был идентичен процессу PLS. Для SVR мы использовали ядро ​​RBF с коэффициентом ядра γ = 1numfeatures. Мы выбрали параметр регуляризации (C) на основе пятикратной перекрестной проверки данных обучения. Что касается случайного леса, мы считаем, что максимальное количество деревьев составляет 100, и максимальное количество функций для лучшего разделения было выбрано как квадратный корень из количества функций.

Критерии эффективности

Коэффициент корреляции (r) и коэффициент детерминации (R2) использовались для оценки производительности моделей.~ — среднее значение прогнозируемого значения.

Вклад каждой полосы частот

Веса первого слоя LSTM содержат информацию о вкладе каждой особенности нейронных данных для прогнозирования значения силы. Следовательно, согласно (16), абсолютные значения веса, относящиеся к каждой полосе частот, складываются и затем нормализуются на сумму абсолютных значений всех весов. Величина вклада была рассчитана и усреднена для всех этапов проверки.

Cband = channel = 116Wband, channel∑channel = 116∑band = 16Wband, канал

16

Реализация

Модели нейронных сетей были реализованы в TensorFlow с использованием Keras API [32]. Мы реализовали модель PLS в Python 3.8 и использовали API машинного обучения Python, Scikit-learn [33] для SVR и Random Forest.

Дополнительная информация

Сокращения

по наименьшему квадрату ReLU

BCI	Компьютерные интерфейсы мозга
CSP	Общие пространственные структуры
ECG		9018 9018 Электромиограмма	Стробируемый рекуррентный блок
LFP	Потенциалы локального поля
LSTM	Долговременная кратковременная память
MNE	Оценка минимального шума
PLS	Выпрямленный линейный блок
RNN	Рекуррентная нейронная сеть

Вклад авторов

MK написал содержание статьи, разработал методы и результаты.MRD руководил разработкой методов, помогал в процессе написания и рецензировал документ. Все авторы прочитали и одобрили окончательную рукопись.

Финансирование

Для этого исследования не было получено финансирования.

Доступность данных и материалов

Набор данных, проанализированный в этой рукописи, не является общедоступным. Однако данные, использованные для этого исследования, могут быть предоставлены по разумному запросу. Запрос на доступ к набору данных должен быть направлен в MRD, daliri @ iust.ac.ir.

Одобрение этики и согласие на участие

Все процедуры, упомянутые в документе, соответствовали протоколу NIH и были одобрены местным комитетом по этике (Комитет по уходу за животными и их использованию Лаборатории нейроинженерии и нейробиологии, Иранский университет науки и Технология).

Согласие на публикацию

Не применимо.

Конкурирующие интересы

Авторы заявляют, что у них нет конкурирующих интересов.

Примечания

Примечания издателя

Springer Nature сохраняет нейтралитет в отношении юрисдикционных претензий на опубликованных картах и ​​принадлежностей организаций.

Дополнительная информация

Дополнительная информация прилагается к этому документу по адресу 10.1186 / s12859-020-03953-0.

Ссылки

1. Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan AH, et al. Контроль нейронного ансамбля протезных устройств у человека с тетраплегией.Природа. 2006. 442 (7099): 164–171. DOI: 10,1038 / природа04970. [PubMed] [CrossRef] [Google Scholar] 2. Truccolo W, Friehs GM, Donoghue JP, Hochberg LR. Первичная настройка моторной коры головного мозга на предполагаемую кинематику движения у людей с тетраплегией. J Neurosci. 2008. 28 (5): 1163–1178. DOI: 10.1523 / JNEUROSCI.4415-07.2008. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 4. Андерсен Р.А., Мусаллам С., Песаран Б. Выбор сигналов для интерфейса мозг-машина. Curr Opin Neurobiol. 2004. 14 (6): 720–726. DOI: 10.1016 / j.conb.2004.10.005. [PubMed] [CrossRef] [Google Scholar]

5. Волпоу Дж. Р., Волпоу Е. В.. Интерфейсы мозг-компьютер: принципы и практика. 2012. 400 с.

6. Марковиц Д.А., Вонг Ю.Т., Грей С.М., Песаран Б. Оптимизация декодирования целей движения на основе потенциалов локального поля в коре головного мозга макак. J Neurosci. 2011. 31 (50): 18412–18422. DOI: 10.1523 / JNEUROSCI.4165-11.2011. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 7. Bansal AK, Варгас-Ирвин CE, Truccolo W, Donoghue JP. Взаимосвязь между низкочастотными локальными полевыми потенциалами, пиковой активностью и трехмерной кинематикой досягаемости и захвата в первичной моторной и вентральной премоторной коре.J Neurophysiol. 2011; 105 (4): 1603–1619. DOI: 10.1152 / jn.00532.2010. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 8. Чжуан Дж., Трукколо В., Варгас-Ирвин К., Донохью Дж. П. Расшифровка трехмерной кинематики охвата и захвата из высокочастотных локальных потенциалов поля в первичной моторной коре приматов. IEEE Trans Biomed Eng. 2010. 57 (7): 1774–1784. DOI: 10.1109 / TBME.2010.2047015. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 9. Чен С., Шин Д., Ватанабе Х., Наканиши Й., Камбара Х., Йошимура Н. и др. Расшифровка профиля силы захвата по сигналам электрокортикографии в сенсомоторной коре головного мозга приматов.Neurosci Res. 2014; 83: 1–7. DOI: 10.1016 / j.neures.2014.03.010. [PubMed] [CrossRef] [Google Scholar] 10. Flint RD, Wang PT, Wright ZA, King CE, Krucoff MO, Schuele SU и др. Извлечение кинетической информации из сигналов моторной коры человека. Нейроизображение. 2014; 101: 695–703. DOI: 10.1016 / j.neuroimage.2014.07.049. [PubMed] [CrossRef] [Google Scholar] 11. Milekovic T, Truccolo W, Grün S, Riehle A, Brochier T. Потенциалы локального поля в моторной коре приматов кодируют кинетические параметры захвата. Нейроизображение. 2015; 114: 338–355.DOI: 10.1016 / j.neuroimage.2015.04.008. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 12. Хорасани А., Гейдари Бени Н., Шалчян В., Далири М.Р. Непрерывное декодирование силы по локальным полевым потенциалам первичной моторной коры у свободно движущихся крыс. Научный доклад 2016; 6 (1): 1–10. DOI: 10,1038 / srep35238. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 13. Хорасани А, Шалчян В, Далири МР. Адаптивное удаление артефактов из интракортикальных каналов для точного декодирования сигнала силы у свободно движущихся крыс.Front Neurosci. 2019; 13: 350. DOI: 10.3389 / fnins.2019.00350. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 14. Фудех Р., Хорасани А., Шалчян В., Далири М.Р. Фильтр оценки минимального шума: новый автоматический метод удаления артефактов для потенциалов поля. IEEE Trans Neural Syst Rehabil Eng. 2017; 25 (8): 1143–1152. DOI: 10.1109 / TNSRE.2016.2606416. [PubMed] [CrossRef] [Google Scholar] 15. Марат А.Р., Тейлор Д.М. Расшифровка непрерывных движений конечностей из массивов эпидуральных электродов высокой плотности с использованием настраиваемых пространственных фильтров.J Neural Eng. 2013; 10 (3): 036015. DOI: 10.1088 / 1741-2560 / 10/3/036015. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 16. Benz HL, Zhang H, Bezerianos A, Acharya S, Crone NE, Zheng X и др. Анализ связности как новый подход к моторному декодированию для управления протезами. IEEE Trans Neural Syst Rehabil Eng. 2012. 20 (2): 143–152. DOI: 10.1109 / TNSRE.2011.2175309. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 17. Ли С., Ли Дж., Ли З. Улучшенный декодер на основе фильтра Калмана без запаха для интерфейсов кортикального мозга и машины.Front Neurosci. 2016; 10: 587. [Бесплатная статья PMC] [PubMed] [Google Scholar] 18. Ли Зи, О’Догерти Дж. Э., Хэнсон Т.Л., Леведев М.А., Энрикес К.С., Николелис М.А. Фильтр Калмана без запаха для интерфейсов мозг-машина. PLoS ONE. 2009; 4 (7): e6243. DOI: 10.1371 / journal.pone.0006243. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 19. Симода К., Нагасака Ю., Чао З. К., Фуджи Н. Расшифровка непрерывных трехмерных траекторий рук на основе эпидуральных электрокортикографических сигналов у японских макак. J Neural Eng.2012; 9 (3): 036015. DOI: 10.1088 / 1741-2560 / 9/3/036015. [PubMed] [CrossRef] [Google Scholar] 20. Ван Гервен М.Дж., Чао Ц.К., Хескес Т. О декодировании внутричерепных данных с использованием разреженных ортонормированных частичных наименьших квадратов. J Neural Eng. 2012; 9 (2): 026017. DOI: 10.1088 / 1741-2560 / 9/2/026017. [PubMed] [CrossRef] [Google Scholar] 21. Bengio Y, et al. Изучение долгосрочных зависимостей с помощью градиентного спуска затруднено. IEEE Trans Neural Netw. 1994. 5 (2): 157–166. DOI: 10.1109 / 72.279181. [PubMed] [CrossRef] [Google Scholar] 22.Хохрайтер С., Шмидхубер Дж. Долговременная кратковременная память. Neural Comput. 1997. 9 (8): 1735–1780. DOI: 10.1162 / neco.1997.9.8.1735. [PubMed] [CrossRef] [Google Scholar] 23. Белу Д., Родригес Дж., Ваз Дж. Р., Пезарат-Коррейя П., Гамбоа Х. Изучение и синтез биосигналов с использованием глубоких нейронных сетей. Биомед Рус Онлайн. 2017; 16 (1): 1–17. DOI: 10.1186 / s12938-017-0405-0. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

24. Ахмади Н., Констандину Т.Г., Буганис К.С. Декодирование кинематики руки из локальных потенциалов поля с использованием сети с долговременной краткосрочной памятью (LSTM).В: 9-я международная конференция IEEE / EMBS по нейронной инженерии (NER), 2019 г., стр. 415–9.

25. Нитиш С., Джеффри Х, Алекс К., Илья С., Руслан С. Отсев: простой способ предотвратить переобучение нейронных сетей. J Mach Learn Res. 2014; 15: 1929–1958. [Google Scholar] 26. Людвиг К.А., Мириани Р.М., Лангхалс Н.Б., Джозеф М.Д., Андерсон Д.Д., Кипке Д.Р. Использование общего среднего эталона для улучшения записи кортикальных нейронов с наборов микроэлектродов. J Neurophysiol. 2009. 101 (3): 1679–1689. DOI: 10.1152 / jn..2008.[Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar] 27. Уолд С. Перекрестная проверка количества компонентов в моделях факторных и главных компонентов. Технометрика. 1978. 20 (4): 397–405. DOI: 10.1080 / 00401706.1978.10489693. [CrossRef] [Google Scholar] 28. Ли Б., Моррис Дж., Мартин Э.Б. Выбор модели для частичной регрессии методом наименьших квадратов. Chemom Intell Lab Syst. 2002. 64 (1): 79–89. DOI: 10.1016 / S0169-7439 (02) 00051-5. [CrossRef] [Google Scholar] 29. Грефф К., Шривастава Р.К., Коутник Дж., Стюнебринк Б.Р., Шмидхубер Дж.LSTM: поисковая космическая одиссея. Транснейронные сети IEEE Learn Syst. 2017; 28 (10): 2222–2232. DOI: 10.1109 / TNNLS.2016.2582924. [PubMed] [CrossRef] [Google Scholar]

30. Kingma DP, Ba JL. Адам: метод стохастической оптимизации. В: 3-я Международная конференция по изучению представления ICLR 2015 — Conf Track Proc .; 2015. с. 1–15.

31. Бергстра Дж., Яминс Д., Кокс Д.Д. Создание науки о поиске моделей: оптимизация гиперпараметров в сотнях измерений для архитектур машинного зрения. В: 30-я Международная конференция Mach Learn ICML 2013.2013; (ЧАСТЬ 1). п. 115–23.

32. Чолле Ф, другие. Керас. 2015.

33. Buitinck L, Louppe G, Blondel M, Pedregosa F, Mueller A, Grisel O, et al. Дизайн API для программного обеспечения машинного обучения: опыт проекта scikit-learn. 1 сентября 2013 г. [цитируется 26 сентября 2020 г.]. https://arxiv.org/abs/1309.0238.

Ноцицептивные локальные полевые потенциалы, зарегистрированные в островке человека, не являются специфическими для ноцицепции

Abstract

Островок, особенно его задняя часть, часто рассматривается как первичная кора головного мозга, вызывающая боль.Однако эта интерпретация в значительной степени основана на обратном выводе, и конкретное участие островка в боли никогда не было продемонстрировано. Воспользовавшись высоким пространственно-временным разрешением прямых интрацеребральных записей, мы исследовали, проявляет ли островок человека локальные полевые потенциалы (LFP), специфичные для боли. Было исследовано 47 островных участков. Участники получали краткие стимулы, относящиеся к четырем различным модальностям (ноцицептивная, вибротактильная, слуховая и визуальная).И ноцицептивные стимулы, и не ноцицептивные вибротактильные, слуховые и зрительные стимулы вызвали согласованные LFP в задней и передней островках с совпадающим пространственным распределением. Более того, процедура слепого разделения источников показала, что ноцицептивные LFP в значительной степени объясняются мультимодальной нейронной активностью, также вносящей вклад в не ноцицептивные LFP. Обнаружив, что LFP, вызванные ноцицептивными стимулами, отражают активность, не связанную с ноцицепцией и болью, наши результаты опровергают широко распространенное предположение, что эти реакции мозга являются сигнатурой восприятия боли и ее модуляции.

Сведения об авторе

Широко распространено мнение, что островок, особенно его задняя часть, играет особую роль в восприятии боли. Это заставило ряд исследователей рассматривать активность, регистрируемую в этой так называемой «ай-зоне», как объективный коррелят восприятия боли. Мы приводим неопровержимые доказательства обратного. Используя прямые интрацеребральные записи, мы демонстрируем, что болезненные и безболезненные стимулы вызывают очень похожие ответы во всей островковой оболочке человека.Это наблюдение противоречит представлению о том, что эти реакции отражают активность мозга, благодаря которой боль возникает в результате ноцицепции в человеческом мозге. Эти результаты имеют значение для основных теорий, а также для разработки диагностических тестов и определения терапевтических целей для лечения хронической боли. Они ставят под сомнение использование этих островных ответов для оценки эффектов фармакологического лечения или для оценки боли у пациентов, не способных общаться. Более того, они имеют юридические последствия, поскольку противоречат предложению о том, что эти ответы могут быть использованы для однозначного определения того, действительно ли истцы испытывают боль, за которую они добиваются возмещения.Наконец, они подрывают смысл нейрохирургических процедур, направленных на облегчение боли за счет воздействия на задний островок островка.

Образец цитирования: Liberati G, Klöcker A, Safronova MM, Ferrão Santos S, Ribeiro Vaz J-G, Raftopoulos C, et al. (2016) Ноцицептивные локальные полевые потенциалы, зарегистрированные на островке человека, не являются специфическими для ноцицепции. PLoS Biol 14 (1): e1002345. https://doi.org/10.1371/journal.pbio.1002345

Академический редактор: Ваня Апкарян, Северо-Западный университет, США

Поступила: 25 июля 2015 г .; Одобрена: 3 декабря 2015 г .; Опубликовано: 6 января 2016 г.

Авторские права: © 2016 Liberati et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника

Доступность данных: Все данные, используемые для Рукопись находится в открытом доступе в репозитории данных OSF по адресу: https://osf.io/4r7pm/. DOI 10.17605 / OSF.IO / 4R7PM

Финансирование: GL и AM получили поддержку от Стартового гранта Европейского исследовательского совета (ERC) (PROBING-PAIN 336130).АК получил поддержку от бельгийского Валлонского региона (программа CWALity — проект Neurosense). Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что никаких конкурирующих интересов не существует.

Сокращения: CBF, мозговой кровоток; CSD, плотность источника тока; ЭЭГ, электроэнцефалография; ЭКГ, ЭКГ; ЭМГ, электромиограмма; EPI, эхопланарное изображение; фМРТ, функциональная магнитно-резонансная томография; IC, независимая составляющая; МКА, независимый компонентный анализ; ISI, межстимульный интервал; ВЕЛ, светодиод; LFP, потенциал местного поля; LMM, линейные смешанные модели; МРТ, магнитно-резонансная томография; ДОМАШНИЙ ПИТОМЕЦ, позитронно-эмиссионная томография; PICA, вероятностный независимый компонентный анализ; REML, ограниченная максимальная вероятность; SMCS, Plateforme technologique de Support en Methodologie et Calcul Statistique

Введение

Человеческая островковая часть, в частности область, охватывающая заднюю спинную часть островка и прилегающую теменную покрышку, как правило, играет особую роль в восприятии боли.Это убеждение вызвано несколькими причинами. Во-первых, островок является важной корковой мишенью для ноцицептивных входов, восходящих по спиноталамическому тракту [1]. Во-вторых, прямая электрическая стимуляция островка человеческого островка, а также фокальные эпилептические припадки в этой области могут вызвать острую боль [2–4]. В-третьих, поражение островка может привести к избирательному нарушению способности воспринимать ноцицептивные стимулы, а также к центральной боли [5]. В-четвертых, записи глубины у людей показали, что ноцицептивные стимулы вызывают устойчивые LFP в этой области, которые, как считается, отражают ранние стадии корковой обработки, специфически связанной с восприятием боли [6–9].В-пятых, исследования электроэнцефалографии (ЭЭГ), позитронно-эмиссионной томографии (ПЭТ) и функциональной магнитно-резонансной томографии (фМРТ) неизменно показали, что островок активируется раздражителями, воспринимаемыми как болезненные [10–16]. Наконец, несколько исследований показали значительную корреляцию между величиной ответов, регистрируемых в островке, и интенсивностью ощущаемой боли [15,17–20]. В частности, Segerdahl et al. [18] недавно продемонстрировали значительную корреляцию между длительными изменениями абсолютного церебрального кровотока (CBF) в заднем дорсальном островке и интенсивностью ощущаемой продолжающейся боли.Все эти наблюдения подтверждают специфическое участие островка в восприятии боли.

Тем не менее, этот вывод опровергается несколькими контраргументами или разными выводами. Поскольку они предполагают необходимость и достаточность, можно ожидать, что исследования поражений и случаев очаговых приступов предоставят однозначные доказательства специфического участия островка в восприятии боли. Однако представление о том, что боль представляет собой общий иктальный симптом, связанный с выделениями островка, основано на наблюдениях, проведенных только у нескольких пациентов [3,4].Кроме того, прямая электрическая стимуляция островка у этих пациентов, по-видимому, в основном вызывает безболезненные парестезии или ощущения тепла, особенно когда стимулируемая область не является эпилептогенной [2,21]. Наконец, сообщения о поражениях островка, приводящих к нарушению восприятия боли, были недавно подвергнуты сомнению в исследовании 24 пациентов с поражением островка, пораженным инсулом, в котором измеримое изменение болевых порогов не могло быть объективировано с помощью количественного сенсорного тестирования [22]. Наиболее важно то, что предположение о том, что реакции, вызванные ноцицептивными стимулами в островке, специфичны для боли, основано на обратном выводе, и вероятность того, что этот вывод будет правильным, зависит от исключительности связи между этими ответами и переживанием боли.Другими словами, чтобы проверить, являются ли эти ответы специфичными для боли, нужно не только продемонстрировать, что раздражители, воспринимаемые как болезненные, вызывают ответы в островке, но также и то, что эти ответы вызываются тогда и только тогда, когда раздражитель является болезненным.

Наряду с предполагаемой ключевой ролью островка в восприятии боли также широко признано, что островок участвует в обработке ряда не ноцицептивных сенсорных сигналов и что островок способствует большому количеству когнитивных, аффективных и интероцептивных сигналов. , и гомеостатические функции, независимо от сенсорной модальности [23–30].Это неудивительно, учитывая гетерогенную цитоархитектуру островка и его анатомические связи с широким спектром областей мозга [31–36]. Следовательно, по крайней мере, часть активности, регистрируемой в островке при восприятии боли, может отражать когнитивные процессы, которые конкретно не связаны с переживанием боли, такие как процессы, участвующие в ориентации внимания на значимые стимулы или процессы, участвующие в производстве гомеостатических реакций.

Целью настоящего исследования было ответить на этот нерешенный вопрос, т.е.е., чтобы проверить, проявляет ли островок ответы, специфичные для ноцицепции и восприятия боли. С этой целью мы использовали высокое пространственно-временное разрешение глубинных внутримозговых записей ЭЭГ, выполненных у людей, для оценки рефрактерной фокальной эпилепсии [37]. Используя очень простую экспериментальную парадигму (см. Раздел «Методы»), мы сравнили LFP, вызванные ноцицептивными стимулами, вызывающими восприятие боли, с LFP, вызванными не ноцицептивными и безболезненными вибротактильными, слуховыми и зрительными стимулами (рис. 1).Мы обнаружили, что все четыре типа стимулов вызывают очень похожие LFP как в передней, так и в задней частях островка. Это указывает на то, что, в отличие от ранее предполагавшегося, большая часть ответа островка на раздражители, воспринимаемые как болезненные, отражает мультимодальную активность, которая совершенно неспецифична для боли.

Рис. 1. Методика эксперимента.

Ноцицептивные стимулы (N) представляли собой короткие импульсы лучистого тепла, прикладываемые к тыльной стороне руки с помощью лазера CO ₂ с регулируемой температурой.Это гарантировало, что вызванные ответы мозга были связаны исключительно с активацией термочувствительных ноцицепторов. Тактильные стимулы (Т) представляли собой кратковременные механические колебания, передаваемые на кончик указательного пальца, чтобы выборочно активировать низкопороговые механорецепторы медиальной лемнискальной системы. Слуховые стимулы (A) представляли собой громкие латеральные короткие звуки, передаваемые через наушники. Визуальные стимулы (V) представляли собой короткие, яркие и точечные вспышки света, подаваемые с помощью светодиода (LED), помещенного на тыльную сторону кисти.Различные стимулы представлялись блоками с использованием длительного и переменного интервала между стимулами (5–10 с), чтобы максимизировать их значимость.

https://doi.org/10.1371/journal.pbio.1002345.g001

Результаты

И ноцицептивные, и не ноцицептивные стимулы вызывают согласованные LFP в островке

Записи были получены от 72 контактов (47 локализованы в островке: 22 в задней части островка, 25 в передней части островка и 25 в местах, прилегающих к островку) у шести пациентов (четыре пациента с одним электродом слева). insula, один пациент с одним электродом на правой островке и один пациент с электродами на левой и правой островках).Передняя островковая часть была идентифицирована как область, охватывающая короткие островковые извилины (переднюю, среднюю и заднюю), полюс островка и поперечную островную извилину. Задний островок был идентифицирован как область, состоящая из передней и задней длинных островковых извилин [38].

Хотя ноцицептивные стимулы вызывали четкое ощущение жжения / покалывания, которое систематически считалось болезненным, все стимулы воспринимались как одинаково интенсивные (средние оценки интенсивности восприятия существенно не различались для разных сенсорных модальностей; F =.595; p = 0,628).

У всех пациентов все четыре типа стимулов вызывали четкие LFP в передних и задних контактах островка, проявляющиеся в виде больших двухфазных волн. Формы сигналов, полученные при каждом изолированном контакте двух репрезентативных субъектов, показаны на рис. 2. Формы сигналов, полученных от всех других участников, показаны на рис. S1

.

Рис. 2. LFP, вызванные ноцицептивными, тактильными, слуховыми и зрительными стимулами в контралатеральном переднем и заднем островке у двух репрезентативных субъектов.

Все четыре типа стимулов вызывали ответы на одних и тех же контактах электродов, как в передней, так и в задней островках (контакты электродов показаны красным цветом; электрод сравнения: A1A2). Большая часть LFP выглядела как большая двухфазная волна. Для сравнения также показаны вызванные потенциалы, зарегистрированные от вершины скальпа (Cz) и от внутримозговых контактов, расположенных в левой височно-теменной коре (LTP) и левой мезиальной височной коре (LMT). DOI: 10.17605 / OSF.IO / 4R7PM.

https://doi.org/10.1371/journal.pbio.1002345.g002

Время ожидания и абсолютная амплитуда каждого из двух пиков были измерены на каждом контакте изолированного электрода и сравнивались с использованием анализа смешанных линейных моделей (LMM) с « модальность »(ноцицептивная, вибротактильная, слуховая и зрительная),« местоположение контакта »(передний и задний контакты островка) и« сторона »(стимулы, доставляемые на ипсилатеральную или контралатеральную сторону относительно исследуемой коры островка) в качестве фиксированных факторов и« субъект » »Как контекстная переменная.

В среднем латентность первого пика (ноцицептивный: 184 ± 50 мс; вибротактильный: 113 ± 40 мс; слуховой: 89 ± 23 мс; и визуальный: 140 ± 36 мс) и второго пика (ноцицептивный: 296 ± 78 мс; вибротактильность: 205 ± 74 мс; слух: 161 ± 31 мс; и зрительный: 216 ± 69 мс) значительно различались в зависимости от модальности (основной эффект «модальности»; первый пик: F = 125,25, p <. 001; второй пик: F = 95,86, p <0,001). Апостериорные сравнения показали, что средняя латентность ответов на ноцицептивные стимулы была значительно больше, чем средняя латентность ответов на слух (первый пик: p <.001; второй пик: p <0,001), вибротактильный (первый пик: p <0,001; второй пик: p <0,001) и визуальный (первый пик: p <0,001; второй пик: p <0,001) стимулы. Эти межмодальные различия в латентном периоде могут быть объяснены разницей во времени, необходимом для сенсорных афферентных залпов, чтобы достичь коры [39,40]. В частности, большая латентность ответов при ноцицептивной стимуляции по сравнению с вибротактильной стимуляцией (разница в латентности первого пика: 71 ± 90 мс; разница в латентности второго пика: 91 ± 152 мс) может быть объяснена тем, что Волокна А-дельта малого диаметра, передающие ноцицептивный ввод, имеют более низкую скорость проводимости, чем волокна А-бета большого диаметра, передающие вибротактильный ввод.

Латентность ответов на стимулы, подаваемые на контралатеральную сторону (первый пик: 123 ± 47 мс; второй пик: 204 ± 60 мс) и ипсилатеральную сторону (первый пик: 139 ± 56 мс; второй пик: 236 ± 97 мс) относительно исследуемого островка существенно различались (основной эффект «стороны»; первый пик: F = 21,16, p <0,001; второй пик: F = 33,21, p <0,001). Независимо от модальности вызывающего стимула, ответы, вызванные стимуляцией ипсилатеральной стороны, в среднем были немного задержаны по сравнению с ответами, вызванными стимуляцией контралатеральной стороны.Это совместимо с предыдущими сообщениями, также показывающими небольшую разницу в латентности между островными LFPs, вызванными ноцицептивными стимулами, доставляемыми на ипсилатеральную руку по сравнению с контрлатеральной [41]. Напротив, не было значительного влияния фактора «местоположение контакта» (первый пик: F = 0,32, p = 0,569; второй пик: F = 0,64, p = 0,424).

Амплитуды первого пика (ноцицептивный: 19 ± 16 мкВ; вибротактильный: 13 ± 10 мкВ; слуховой: 24 ± 15 мкВ; и визуальный: 11 ± 9 мкВ) и амплитуды второго пика (ноцицептивный: 31 ± 20 мкВ). мкВ; вибротактильность: 32 ± 18 мкВ; слуховая: 27 ± 19 мкВ; визуальная: 24 ± 19 мкВ) значительно различались в зависимости от модальности (основной эффект «модальности»: первый пик: F = 27.49, p. <0,001; второй пик: F = 5,34, p = 0,001). Апостериорные сравнения показали, что амплитуда первого пика была значительно больше для ответов на слуховую стимуляцию по сравнению с ноцицептивным ( p = 0,010), вибротактильным ( p <0,001) и визуальным ( p ). <0,001) стимуляции и что амплитуда второго пика была значительно меньше для ответов на визуальную стимуляцию по сравнению с ноцицептивной ( p =.009) и вибротактильной ( p = 0,004) стимуляции.

Для обоих пиков не было разницы между амплитудой ответов, вызванных стимулами, подаваемыми на ипсилатеральную и контралатеральную стороны (первый пик: F = 1,02, p = 0,312; второй пик: F = 0,52, p = 0,473). Кроме того, не было разницы между амплитудами ответов, записанных с передней и задней части островка (первый пик: F = 0,13, p = 0,723; второй пик: F = 0.60, p = .441). Пространственное распределение амплитуд LFP, вызванных различными типами стимулов, показано на рис. 3.

Рис. 3. Пространственное распределение амплитуд LFP, вызванных ноцицептивными, вибротактильными, слуховыми и зрительными стимулами, по различным островным контактам (нормализовано для разных субъектов).

Размер каждого контакта электрода представляет собой размах амплитуды двухфазной волны, вызванной каждым типом стимула, подаваемого на противоположную сторону.DOI: 10.17605 / OSF.IO / 4R7PM.

https://doi.org/10.1371/journal.pbio.1002345.g003

Основная масса ноцицептивных и не ноцицептивных островных LFP происходит из пространственно неразличимых источников

Поскольку островок представляет собой относительно большую область и может содержать пространственно разделенные участки, выполняющие различные функции, было важно определить, возникают ли островковые LFP, вызванные ноцицептивной стимуляцией, и те, которые вызваны не ноцицептивной вибротактильной, слуховой и зрительной стимуляцией. из пространственно различных или идентичных источников внутри островка.

Для этой цели графики линейной плотности источника тока (CSD) были рассчитаны путем численного дифференцирования для аппроксимации пространственной производной второго порядка LFP, записанных на различных, равномерно расположенных контактах каждого изолированного электрода [42]. Полученные сигналы затем использовались для расчета двухмерных карт, отображающих записанные сигналы как функцию времени и местоположения контакта электрода, а также для идентификации всех местоположений контакта электродов, показывающих инверсию полярности (рис. 4, верхняя панель).На мезоскопическом уровне внутримозговых записей ЭЭГ электрическую активность, генерируемую в данной области, можно суммировать как эквивалентный диполь тока, расположенный близко к центру активности и имеющий ориентацию, ортогональную активированной кортикальной поверхности. Таким образом, контакты, показывающие инверсию полярности, можно рассматривать как наиболее близкие к источнику активности, соответственно, спереди и сзади дипольного источника.

Рис. 4. Линейные CSD-графики LFP, вызванные ноцицептивными, тактильными, слуховыми и зрительными стимулами, доставленными на противоположную сторону.

Верхняя левая панель. Карты CSD, полученные из правого островка типичного пациента, выражающие записанные сигналы как функцию времени ( x -ось) и положения контакта островкового электрода ( y -ось). Обратите внимание, что изменение полярности наблюдается в одних и тех же островных точках для всех четырех типов LFP. Одно из этих переполюсовок показано горизонтальными стрелками между контактами 3 и 4. Нижняя левая панель. Сигналы CSD записываются с этих двух контактов. Сигнал, отображаемый для каждого изолированного контакта, соответствует сигналу, измеренному от этого контакта, с использованием среднего значения двух соседних контактов в качестве эталона.Правая панель. Общее количество изменений полярности, произошедших в одних и тех же местах контакта, в разных модальностях и у пациентов. Почти во всех случаях изменение полярности происходило в одних и тех же местах для всех четырех модальностей, что указывает на то, что, по крайней мере, на мезоскопическом уровне внутримозговых записей ЭЭГ, местоположения источников, генерирующих ноцицептивные и не ноцицептивные LFP в островке, в значительной степени идентичны. DOI: 10.17605 / OSF.IO / 4R7PM.

https://doi.org/10.1371/journal.pbio.1002345.g004

В подавляющем большинстве случаев (рис. 4, нижняя панель) изменение полярности наблюдалось на одних и тех же контактах для всех четырех типов LFP. Это указывает на то, что, по крайней мере, на уровне внутримозговых записей ЭЭГ, местоположения источников, генерирующих ноцицептивные LFP в островке, можно рассматривать как идентичные местоположениям источников, генерирующих не ноцицептивные вибротактильные, слуховые и визуально вызываемые LFP (рис. 4 и S2 Рис).

Ноцицептивные и не ноцицептивные LFP, вызванные в островке, в значительной степени объясняются мультимодальной активностью

Поскольку островок может участвовать во многих аспектах сенсорной обработки, ноцицептивные и не ноцицептивные формы волны LFP могут отражать комбинацию специфичных для модальностей и мультимодальных активностей (т.е., одномодальная нейронная активность, конкретно связанная с обработкой входных данных, принадлежащих данной сенсорной модальности, и мультимодальная нейронная активность, отражающая процессы более высокого порядка, которые не зависят от сенсорной модальности). Чтобы проверить эту гипотезу, мы использовали алгоритм слепого разделения источников, основанный на вероятностном анализе независимых компонентов (PICA), чтобы разбить формы сигналов LFP, вызванные всеми четырьмя типами стимулов и записанные на различных островных контактах, на набор независимых компонентов (ИС). ) [43].Применительно к многоканальным электрофизиологическим записям этот алгоритм разделяет записанные сигналы на линейную комбинацию ИС, каждая из которых имеет фиксированную пространственную проекцию на контакты электродов и максимально независимый временной ход. Предполагая, что специфичные для модальности и мультимодальные ответы имеют неодинаковое пространственное распределение по островным контактам, можно ожидать, что PICA разделит эти ответы на отдельные IC.

Расчетное количество независимых источников, вносящих вклад в восемь форм волны LFP (четыре модальности x две стороны стимуляции), варьировалось по островкам от 2 до 6 (4.0 ± 1,5).

Мультимодальные ИК (т.е. ИК, участвующие в ответах, вызванных всеми четырьмя типами стимулов) были основной составляющей всех LFP, как при рассмотрении ответов, вызываемых стимулами на контралатеральной стороне по сравнению с исследуемым островком (3,0 ± 1,2 ИК; объясняющие 88% и 95% пиков ноцицептивных LFP, 98% и 93% пиков вибротактильных LFP, 95% и 95% пиков слуховых LFP и 74% и 78% пиков визуальных LFP; Рис. 5) и при рассмотрении ответов, вызванных стимуляцией ипсилатеральной стороны (S3 фиг.).Взятые вместе, это указывает на то, что ноцицептивные и не ноцицептивные LFP, регистрируемые с островка, преимущественно отражают один и тот же источник мультимодальной корковой активности.

Рис. 5. Слепой анализ разделения источников LFP, записанных с островка и вызванных ноцицептивными, тактильными, слуховыми и визуальными стимулами, доставленными в контралатеральное полушарие.

PICA использовался, чтобы изолировать вклад мультимодальной и модальности-специфической нейронной активности. Отображаемые формы сигналов соответствуют глобальной амплитуде поля микросхем, проецируемой обратно на контакты электродов, как функции времени.LFP, вызванные ноцицептивными и не ноцицептивными стимулами (глобальная амплитуда поля исходного сигнала: черная форма волны), можно почти полностью объяснить мультимодальными источниками активности (желтый). Небольшая соматосенсорная специфическая активность (циан) также способствует как ноцицептивным, так и вибротактильным LFP, в частности, тем, которые регистрируются с задней части островка. Ни один компонент, специфичный для ноцицептива (красный), не идентифицирован. DOI: 10.17605 / OSF.IO / 4R7PM.

https: // doi.org / 10.1371 / journal.pbio.1002345.g005

Меньшее количество ICs, по-видимому, вносит специфический вклад в LFP, вызванные соматосенсорными стимулами, независимо от того, был ли стимул ноцицептивным (Рис. 5 и S3 Рис.). Кроме того, небольшое количество IC вносит специфический вклад в LFP, вызываемые слуховыми стимулами. Что наиболее важно, ни один IC не был отнесен к категории специфичных для ноцицептивов.

Обсуждение

Наши результаты ясно показывают, что как в передней, так и в задней островках LFP, генерируемые временными ноцицептивными стимулами, неспецифичны для ноцицепции и восприятия боли.Действительно, большой двухфазный ответ, вызванный ноцицептивными стимулами при островных контактах, был неотличим от больших двухфазных ответов, вызванных не ноцицептивными вибротактильными, слуховыми и зрительными стимулами, за исключением ожидаемых различий в латентных периодах ответа, которые легко объяснить вариациями в время, необходимое для передачи стимула, а также вариации времени, необходимого для афферентных залпов, чтобы достичь коры. Эти ответы регистрировались от передней, медиальной и задней коротких извилин, а также от передних и задних длинных извилин.Хотя ни один из наших субъектов не представил места контакта в верхней части передней длинной извилины, LFP, зарегистрированные в этой области в ответ на ноцицептивную стимуляцию, были идентичны по морфологии ответам в других частях задней островковой доли [44].

Мы не только показываем, что все стимулы вызывают согласованные LFP в задней и передней островках, мы также показываем, что LFP, вызываемые ноцицептивными и не ноцицептивными стимулами, происходят из одних и тех же регионов в пределах задней и передней островков.Это демонстрируется тем фактом, что изменение полярности происходит в одних и тех же местах контакта электродов, и тем фактом, что LFP, вызываемые всеми четырьмя типами стимулов, имеют совпадающее пространственное распределение по островным контактам.

Наконец, используя алгоритм слепого разделения источников, мы показываем, что островковые LFP, вызванные ноцицептивными стимулами, могут быть в значительной степени объяснены источником активности, также вносящим вклад в LFP, вызванные не ноцицептивными вибротактильными, слуховыми и зрительными стимулами.Это указывает на то, что зарегистрированные островковые LFP преимущественно отражают мультимодальную стадию сенсорной обработки, которая не зависит от ноцицепции и восприятия боли.

Эти данные требуют переосмысления доказательств, подтверждающих специфическое участие островка в восприятии боли. Островски с соавторами [21] показали, что прямая электрическая стимуляция задней части островка может вызвать неприятные соматические переживания, включая шок, жжение или покалывание.Однако они также отметили, что стимуляция островка с одинаковой вероятностью вызовет безболезненные соматические ощущения, такие как парестезии и ощущение тепла. Более того, хотя сообщалось о ярких болезненных переживаниях после прямой электростимуляции островка, они, по-видимому, возникают в основном при стимуляции эпилептогенной области [45]. Точно так же, хотя боль может быть связана с эпилептической активностью островка, она остается редким проявлением островковой эпилепсии, которая наблюдалась лишь в нескольких случаях [3,4].Наконец, хотя исследования показали, что поражения островка могут нарушать способность воспринимать боль [5], есть также сообщения о случаях пациентов с обширным односторонним или двусторонним повреждением островка, демонстрирующих незначительный дефицит или отсутствие дефицита способности воспринимать боль, как указано. отсутствием изменений болевых порогов, оцениваемых с помощью количественного сенсорного тестирования [22,46].

На первый взгляд, наши результаты могут противоречить результатам Frot et al. [47], показывая, что безболезненные стимулы не вызывают последовательных LFP в задней части островка.Следует подчеркнуть, что безболезненные стимулы, использованные Frot et al. [47] были слабыми импульсами лучистого тепла, вызывающими легкое ощущение тепла. Напротив, безболезненные стимулы, использованные в настоящем исследовании, вызвали ощущение, воспринимаемая интенсивность которого была аналогична воспринимаемой интенсивности ноцицептивной стимуляции. Следовательно, обнаружение того, что слабые тепловые стимулы не вызывают LFP в задней части островка, но более интенсивные вибротактильные, слуховые и зрительные стимулы вызывают последовательные LFP в задней части островка, может быть в первую очередь связано с различиями в выраженности стимула (т.д., свойство стимула «выделяться» относительно соседних стимулов).

Важно отметить, что наш вывод о том, что реакции островка на преходящие сенсорные стимулы преимущественно отражают мультимодальную активность, согласуется с несколькими другими исследованиями, предполагающими выдающуюся роль островка в познании, внимании и человеческом восприятии независимо от сенсорной модальности [29,32,40, 48–50]. Островок — очень неоднородный регион со сложными структурными и функциональными связями. Он участвует во множестве функций, которые не ограничиваются болью и ноцицепцией.Хотя островок часто считается местом многомерной интеграции боли [51], островок является мультисенсорным по своей природе. Островок считается частью лобно-теменной управляющей сети, обычно активируемой во время задач, требующих контролируемой обработки информации [52,53], а также базовой сети [54-56], которая активируется для поддержания фокуса внимания. Более того, островок был связан с обнаружением значимости [57], возможно, представляя собой концентратор, соединяющий сенсорные области с другими сетями, участвующими в обработке и интеграции внешней и внутренней информации [49].Такая мультимодальная сеть значимости позволит получить согласованное представление о различных значимых состояниях, включая, но не ограничиваясь, переживания, связанные с болью [40,58]. Это приводит нас к гипотезе, что островковые LFP преимущественно отражают мультимодальную активность, участвующую в обнаружении, ориентации внимания и реакции на возникновение значимых сенсорных событий, независимо от сенсорных путей, через которые эти события передаются [59–61].

Следует рассмотреть альтернативные интерпретации.Помимо участия в ряде сенсорных и когнитивных процессов, островок также связан с вегетативной функцией, интероцепцией и эмоциями. Пациенты с повреждением теменной глазно-островковой области демонстрируют нарушение способности распознавать выражения эмоций на лице и испытывать сочувствие [62]. Более того, инсулярная активация связана с переживанием отвращения и страха [63,64]. Крейг [65,66] описал спинной задний островок как интероцептивную систему, которая вызывает различные чувства, исходящие изнутри тела, включая боль, зуд, температуру, чувственные прикосновения, мышечные и висцеральные ощущения, вазомоторную активность, голод и жажда.Предоставляя ощущение собственного физического состояния, эти чувства отражают потребности тела и лежат в основе настроения и аффективных состояний. Кроме того, островок может играть важную роль в генерировании вегетативных реакций, например, вызванных появлением ярких сенсорных стимулов [60] или связанных с вегетативным выражением эмоций [65]. Интересно, что эти интерпретации могут также объяснить недавнее открытие, что CBF в задней части островка коррелирует с различной величиной длительно продолжающейся боли [18].

Наконец, следует проявлять осторожность, чтобы не переоценить наши результаты. Хотя наши результаты явно ставят под сомнение представление о том, что островковые LFP отражают процессы, специфически участвующие в восприятии боли, они не исключают конкретного участия островка в восприятии боли. В отличие от единичных записей, LFP измеряют активность нейронов на уровне популяции. В самом деле, считается, что основной вклад в LFPs происходит за счет синхронной постсинаптической активности, происходящей в апикальных дендритах пирамидных нейронов, расположенных в коре, окружающей контактный электрод [67].Следовательно, нельзя исключить возможность того, что LFP, вызываемые ноцицептивными и не ноцицептивными стимулами, могут отражать активность отдельных нейронов, смешанных в одних и тех же субрегионах островка. Однако единичные записи, выполненные на островке обезьяны, предполагают, что популяция действительно ноцицептивных нейронов чрезвычайно редка [68].

В заключение, показывая, что в островке LFP, вызванные ноцицептивными стимулами, пространственно неотличимы от LFP, вызванных не ноцицептивными вибротактильными, слуховыми и зрительными стимулами, наши результаты опровергают широко распространенное предположение, что эти реакции мозга представляют собой сигнатуру для восприятие боли и ее модуляция.Является ли это демонстрацией того, что островок нельзя рассматривать как «первичную кору для боли?» Хотя важно признать тот факт, что функция первичной сенсорной коры, вероятно, не ограничивается обработкой сенсорной информации, относящейся к соответствующей сенсорной модальности, и, вместо этого, первичная сенсорная корка включает в себя функции мультисенсорной интеграции [69–71], исследования показали, что нейроны, чувствительные к другим модальностям, редко встречаются в первичных зрительных, слуховых и соматосенсорных областях.По этой причине и в разительный контраст с нашими островными записями, LFP с большой амплитудой регистрируются в первичных сенсорных областях, только если вызывающий стимул активирует афференты, принадлежащие соответствующей сенсорной модальности [72,73]. Таким образом, хотя наши результаты явно не исключают существования специфичных для ноцицептивов или боли процессов в островке, они подчеркивают отсутствие пространственно сегрегированного участка островка человека, который может рассматриваться как «первичная кора» для боли. .

Методы

Все экспериментальные процедуры были одобрены местным комитетом по этике исследований (B403201316436) и выполнялись в соответствии с Этическим кодексом Всемирной медицинской ассоциации (Хельсинкская декларация). Все участники дали письменное информированное согласие.

Участников

В исследование были включены шесть пациентов (три женщины, средний возраст: 27 лет, диапазон 19–43 года), набранных в отделении неврологии университетской больницы Сент-Люк (Брюссель, Бельгия).Все участники страдали фокальной эпилепсией и перед функциональной операцией были обследованы с использованием глубинных электродов, имплантированных в различные области мозга, предположительно являющиеся источником припадков, включая переднюю и заднюю островки. Внутримозговая ЭЭГ была записана в 72 точках. Расположение островковых электродов для каждого пациента можно увидеть на рис. 2 и на рис. S1. Ни у одного из пациентов не наблюдалось начало иктального разряда в островке, а во время спонтанных припадков в этой области никогда не было быстрой активности низкого напряжения.

Процедура

Исследование проводилось у постели больного. Перед началом эксперимента процедура была объяснена участнику, который был подвергнут небольшому количеству тестовых стимулов для ознакомления. Эксперимент состоял из двух сеансов по четыре блока в каждом, по одному сеансу на каждую сторону стимуляции. В каждом блоке испытуемый получал стимулы, принадлежащие к одной из четырех сенсорных модальностей: ноцицептивной, вибротактильной, слуховой и визуальной. Каждый блок стимуляции состоял из 40 стимулов.Порядок блоков стимуляции был рандомизирован для участников. Был выбран блокированный дизайн, чтобы гарантировать, что ожидание возможного появления ноцицептивного стимула не повлияет на ответы, вызванные не ноцицептивными стимулами [74]. Межстимульный интервал (ISI) был большим, изменчивым и самодостаточным (5–10 с). Участников проинструктировали удерживать взгляд на черном кресте (3 х 3 см), помещенном перед ними на краю кровати, на расстоянии ~ 2 м, на 30 ° ниже уровня глаз, в течение всего времени каждого сеанса. блокировать.Чтобы гарантировать восприятие каждого стимула и сохранять бдительность во времени, участников просили нажать кнопку, как только они почувствовали стимул. Кроме того, участники предоставили субъективную оценку интенсивности для каждого стимула по шкале от 0 до 10 (0 было определено как «необнаруженный», а 10 было определено как «максимальная интенсивность»). В конце каждого блока пациентов просили сообщить, воспринимали ли они какие-либо стимулы как болезненные.

Сенсорные стимулы

Ноцицептивные соматосенсорные стимулы состояли из импульсов лучистого тепла длительностью 50 мс, генерируемых лазером CO ₂ (длина волны: 10.6 мкм). Лазерный луч передавался через оптическое волокно, и с помощью фокусирующих линз диаметр луча в целевой области устанавливался равным 6 мм. Лазерный стимулятор был оснащен радиометром, обеспечивающим непрерывное измерение целевой температуры кожи, который использовался в цепи обратной связи для регулирования выходной мощности лазера. Выходная мощность лазера была отрегулирована так, чтобы температура кожи мишени повышалась до 62,5 ° C за 10 мс и поддерживалась эта температура в течение 40 мс. Чтобы предотвратить утомление ноцицептора или сенсибилизацию, лазерный луч вручную перемещали после каждого стимула [75].Каждый лазерный стимул вызывал явное болезненное ощущение укола булавкой, что, как было ранее показано, связано с активацией ноцицепторов кожи волокон Aδ [74]. Не ноцицептивные соматосенсорные стимулы представляли собой 50-миллисекундную вибрацию с частотой 250 Гц, передаваемую через вибротактильный преобразователь возвратного типа, управляемый стандартным аудиоусилителем (Haptuator, Tactile Labs, Канада) и размещаемый на ладонной стороне кончика указательного пальца. Слуховые стимулы представляли собой громкие латеральные звуки (соотношение амплитуд слева и справа 0,5), передаваемые через наушники.Звуки представляли собой 50-миллисекундный тон с частотой 800 Гц. Визуальные стимулы представляли собой точечные вспышки света продолжительностью 50 мс, подаваемые с помощью светодиода (LED) со световым потоком 12 лм, силой света 5,10 кд и углом обзора 120 ° (GM5BW97333A, Sharp, Япония), размещенных на тыльной стороне кисти.

Записи и анализ интрацеребральной ЭЭГ

Для каждого пациента была спланирована индивидуальная стратегия имплантации на основе регионов, которые с наибольшей вероятностью считались местами возникновения иктальных опухолей или местами распространения.Желаемые цели, включая островок коры головного мозга, были достигнуты с помощью имеющихся в продаже глубинных электродов (AdTech, Racine, Wisconsin, США; длина контакта: 2,4 мм; расстояние между контактами: 5 мм), имплантированных с использованием безрамной стереотаксической техники через заусенцы. Размещение проводилось с помощью нейронавигации на основе трехмерной Т1-взвешенной последовательности МРТ. Последовательность МРТ 3D-T1 (3D-T1W) после имплантации использовалась для точного определения локализации единичного контакта.

Было выполнено

записей внутримозговых ЭЭГ с использованием системы сбора данных Deltamed (Париж, Франция).Дополнительные биполярные каналы использовались для записи электромиографической (ЭМГ) и электрокардиографической (ЭКГ) активности. Все сигналы были получены с частотой дискретизации 512 Гц и проанализированы в автономном режиме с помощью Letswave 6 [76].

Непрерывные записи относились к среднему значению двух сосцевидных электродов (A1A2), сегментированных на 1,5-секундные периоды (от -0,5 до 1,0 с относительно начала стимула) и прошедших полосовую фильтрацию (0,3-40 Гц). После вычитания исходного уровня (референтный интервал: от -0,5 до 0 с относительно начала стимула) были вычислены отдельные средние формы волны для каждого субъекта, типа стимула (ноцицептивный соматосенсорный, не ноцицептивный соматосенсорный, слуховой и визуальный) и стороны стимуляции.Для двух испытуемых испытания, содержащие сильные артефакты, были скорректированы с использованием алгоритма независимого компонентного анализа (ICA) [77] или удалены после визуального осмотра.

Латентность и амплитуды LFP сравнивались с использованием анализа LMM, реализованного в IBM SPSS Statistics 22 (Армонк, Нью-Йорк: IBM), с «модальностью» (четыре уровня: ноцицептивный, вибротактильный, слуховой и визуальный), «местоположение контакта. »(Два уровня: передний и задний островок) и« сторона »стимуляции (два уровня: стимулы, доставляемые на ипсилатеральную или контралатеральную сторону по отношению к исследуемой островке) в качестве фиксированных факторов.Предполагая, что ответы, записанные от различных контактов данного субъекта, не являются независимыми, «субъект» использовался как контекстная переменная, группирующая островные контакты. Параметры оценивались с использованием метода ограниченного максимального правдоподобия (REML) [78]. Во всех анализах основные эффекты сравнивались с использованием корректировки доверительного интервала Бонферрони.

Линейные участки CSD

Линейные графики CSD были рассчитаны путем численного дифференцирования для аппроксимации пространственной производной второго порядка LFP, записанных через различные, равномерно расположенные контакты изоляционного электрода [42].Полученные сигналы затем использовались для расчета двухмерных карт, отражающих записанные сигналы как функцию времени и положения контакта электрода, с использованием сплайн-интерполяции. Затем были использованы пространственно-временные карты для визуальной идентификации всех мест контакта электродов, показывающих изменение полярности, а также для сравнения пространственного распределения LFP, вызванных ноцицептивными и не ноцицептивными стимулами.

PICA

Алгоритм слепого разделения источников был использован для выделения вклада мультимодальных и специфических модальностей нейронных активностей в LFP, вызванные ноцицептивными и не ноцицептивными вибротактильными, слуховыми и зрительными стимулами.Для каждого участника слепое разделение источников было выполнено с использованием runica [77,79], автоматизированной формы алгоритма Extended Infomax ICA [80]. Применительно к многоканальной записи этот алгоритм разделяет записанный сигнал на линейную комбинацию ИС, каждая из которых имеет фиксированную пространственную проекцию на контакты электродов и максимально независимый временной ход. Когда ICA не ограничен, общее количество IC равно общему количеству каналов. Если количество ИС намного больше, чем фактическое количество независимых источников, ИС, содержащие ложную активность, появятся из-за переобучения.С другой стороны, если количество ИС намного меньше, чем фактическое количество источников, информация будет потеряна из-за недостаточного соответствия. С этой целью ICA был ограничен эффективной оценкой внутренней размерности исходных данных (PICA) [81]. Оценка была получена с использованием метода, основанного на максимальном правдоподобии и оперирующего собственными значениями основного компонентного анализа [43].

Для каждого участника алгоритм был применен к восьми усредненным формам волн (4 типа стимулов, 2 стороны), полученным на всех островных контактах (8–12 контактов).

Для оценки вклада каждого полученного IC в LFP, вызванные различными типами стимулов, временной ход амплитуды каждого IC (мкВ) был выражен как стандартное отклонение от среднего (z-значения) интервалов до стимула. всех восьми сигналов (от -0,5 до 0 с). Если постстимульная амплитуда IC была больше z = 1,5, IC считали отражающей активностью, вызванной стимулом. Затем каждая из этих микросхем была классифицирована в соответствии с ее вкладом в восемь форм сигналов LFP.Для каждого IC и каждой стороны стимуляции мы вычислили соотношение между z-оценкой конкретной модальности и z-оценкой трех других модальностей [40,34]. Если соотношение было ≥2 для одной модальности стимула по сравнению с каждой из трех других модальностей, IC классифицировали как специфическую модальность (то есть ноцицептивную, не ноцицептивную вибротактильную, слуховую или визуальную). Если вычисленное соотношение было ≥2 как для ноцицептивных, так и для не ноцицептивных соматосенсорных стимулов по сравнению со слуховыми и зрительными стимулами, IC классифицировался как соматосенсорно-специфический.Наконец, ИС, которые внесли вклад во все четыре формы сигнала LFP, были классифицированы как мультимодальные. Важно отметить, что полученные результаты не зависели критически от количества измерений, используемых для ограничения ICA, или от произвольно определенного порога z ≥ 2. Фактически, все IC были однозначно мультимодальными или модально-специфичными, и классификации IC были получены с использованием другого порогового значения. значения в диапазоне от 1,5 до 3,5 дали идентичные результаты.

Расположение контакта анатомического электрода

Передняя островковая часть была идентифицирована как область, охватывающая короткие островковые извилины (переднюю, среднюю и заднюю), полюс островка и поперечную островную извилину.Задний островок был идентифицирован как область, состоящая из передней и задней длинных островковых извилин [38]. Индивидуальные МРТ были нормализованы к стандартному шаблону эхопланарной визуализации (EPI) в пространстве MNI с использованием статистического параметрического картирования (SPM8, Wellcome Department of Imaging Neuroscience, Лондон, Соединенное Королевство). Анатомическое расположение каждого контакта было идентифицировано на последовательности 3D-T1W с помощью мультипланарных преобразований нейрорадиологом (MMS) со стажем 10 лет.

Дополнительная информация

S2 Рис.Линейные графики CSD LFP, вызванных ноцицептивными, тактильными, слуховыми и зрительными стимулами, доставленными на противоположную сторону относительно исследуемой островковой доли.

Для каждого участника и типа стимуляции карты CSD были получены путем выражения записанных сигналов как функции времени ( x -ось) и местоположения островкового контакта электрода ( y -ось). Обратите внимание, что изменение полярности наблюдается в большинстве случаев в одних и тех же островных местах для всех четырех типов LFP, указывая на то, что местоположения источников, генерирующих ноцицептивные и не ноцицептивные LFP в островке, в значительной степени идентичны.Для каждого субъекта пример изменения полярности, идентифицированный в четырех модальностях, показан горизонтальными стрелками вместе с относительным сигналом CSD. Сигнал, измеренный на данном изолированном контакте, отображается с использованием среднего значения двух соседних контактов. Тот же подход был использован для создания графиков CSD, полученных у одного репрезентативного пациента, показанного на рис. 3. doi: 10.17605 / OSF.IO / 4R7PM.

https://doi.org/10.1371/journal.pbio.1002345.s002

(TIF)

S3 Рис.Слепой анализ разделения источников LFP, записанных с островка и вызванных ноцицептивными, тактильными, слуховыми и зрительными стимулами, доставленными в ипсилатеральное полушарие (ипсилатеральная рука или ипсилатеральная сторона относительно исследуемой островки).

Отображаемые формы сигналов соответствуют глобальной амплитуде поля микросхем как функции времени. Подобно LFP, вызываемым стимулами, доставляемыми на контралатеральную сторону, LFP почти полностью объясняются большим вкладом мультимодальной активности (желтый).Небольшой отчетливый вклад соматосенсорной специфической активности (циан) также вносит вклад как в ноцицептивные, так и в вибротактильные LFP, в частности, те, которые регистрируются с задней части островка. Ни один компонент, специфичный для ноцицептива (красный), не идентифицирован. DOI: 10.17605 / OSF.IO / 4R7PM.

https://doi.org/10.1371/journal.pbio.1002345.s003

(TIF)

Благодарности

Мы хотим поблагодарить всех сотрудников лаборатории Nocions, особенно доктору Эмануэлю Ван ден Бруку и докторуДиане Торте за ценные комментарии и плодотворное обсуждение. Мы также благодарны «Plateforme technologique de Support en Methodologie et Calcul Statistique» (SMCS) Католического университета Лувена и, в частности, Майлису Амико за советы по статистике.

Вклад авторов

Задумал и спроектировал эксперименты: GL AM SFS. Проведены эксперименты: ГЛ АК. Проанализированы данные: GL AM. Предоставленные реагенты / материалы / инструменты анализа: CR JGRV MMS. Написал статью: GL AM SFS.

Ссылки

1. 1. Крейг А.Д. Механизмы боли: маркированные линии против схождения в центральной обработке. Анну Рев Neurosci 2003; 26: 1–30. pmid: 12651967
2. 2. Маццола Л., Иснард Дж., Пейрон Р., Могьер Ф. Стимуляция коры головного мозга человека и переживание боли: пересмотр наблюдений Уайлдера Пенфилда. Мозг 2012; 135: 631–640. pmid: 22036962
3. 3. Isnard J, Magnin M, Jung J, Mauguière F, Garcia-Larrea L. Сообщает ли островок нашему мозгу, что мы испытываем боль? Боль 2011; 152: 946–951.pmid: 21277680
4. 4. Isnard J, Guénot M, Sindou M, Mauguière F. Клинические проявления судорог островковой доли: стерео-электроэнцефалографическое исследование. Эпилепсия 2004; 45: 1079–1090. pmid: 15329073
5. 5. Гарсия-Ларреа Л., Перше С., Креак С., Конверс П., Пейрон Р. и др. Оперкулоинсулярная боль (парасильвиевая боль): ярко выраженный центральный болевой синдром. Мозг 2012; 133: 2528–2539.
6. 6. Frot M, Rambaud L, Guénot M, Mauguière F. Интракортикальные записи ранних связанных с болью потенциалов, вызванных CO2-лазером во второй соматосенсорной области человека (SII).Clin Neurophysiol 1999; 110: 133–145. pmid: 10348332
7. 7. Гарсиа-Ларреа Л., Фрот М., Валериани М. Мозговые генераторы вызванных лазером потенциалов: от диполей до функционального значения. Neurophysiol Clin. 2003; 33: 279–292. pmid: 14678842
8. 8. Ленц Ф.А., Риос М., Чау Д., Краусс Г.Л., Зирх Т.А. и др. Болезненные раздражители вызывают у человека потенциалы, зарегистрированные в парасильвиевой коре. Журнал Neurophysiol 1998; 80: 2077-2088. pmid: 9772262
9. 9. Трейси И.Визуализация боли. Br J Anaesth 2008; 101: 32–39. pmid: 18556697
10. 10. Крейг А.Д., Рейман Э.М., Эванс А., Бушнелл М.С. Функциональная визуализация иллюзии боли. Природа 1996; 384: 258–260. pmid: 8918874
11. 11. Дэвис К.Д., Тейлор С.Дж., Кроули А.П., Вуд М.Л., Микулис Д.Дж. Функциональная МРТ активаций, связанных с болью и вниманием, в коре поясной извилины человека. J. Neurophysiol 1997; 77: 3370–3380. pmid: 9212281
12. 12. Апкарян А.В., Дарбар А., Краусс Б.Р., Гельнар П.А., Сзеверенный Н.М.Дифференциация областей коры, связанных с восприятием боли, от идентификации стимула: временной анализ активности фМРТ. Журнал Neurophysiol 1999; 81: 2956–2963. pmid: 10368412
13. 13. Апкарян А.В., Гельнар П.А., Краусс Б.Р., Северенный Н.М. Корковые реакции на тепловую боль зависят от размера стимула: функциональное МРТ-исследование. Журнал Neurophysiol 2000; 83: 3113–3122. pmid: 10805705
14. 14. Валериани М., Ле Пера Д., Ниддам Д., Арендт-Нильсен Л., Чен А.С. Моделирование диполярного источника соматосенсорных вызванных потенциалов для болезненной и безболезненной стимуляции срединного нерва.Мышечный нерв 2000; 23: 1194–1203. pmid: 10918255
15. 15. Пейрон Р., Фрот М., Шнайдер Ф., Гарсия-Ларреа Л., Мертенс П. и др. Роль оперкулоинсулярной коры в обработке боли человеком: конвергентные данные ПЭТ, фМРТ, дипольного моделирования и внутримозговых записей вызванных потенциалов. Neuroimage 2002; 17: 1336–1346. pmid: 12414273
16. 16. Баумгертнер У., Яннетти Г.Д., Замбреану Л., Стутер П., Триде Р.Д. и др. Множественные соматотопические представления тепла и механической боли в оперкулоинсулярной коре: исследование фМРТ с высоким разрешением.Журнал Neurophysiol 2010; 104: 2863–2872. pmid: 20739597
17. 17. Iannetti GD, Zambreanu L, Cruccu G, Tracey I. Оперкулоинсулярная кора головного мозга кодирует интенсивность боли на самых ранних стадиях корковой обработки, на что указывает амплитуда вызванных лазером потенциалов у людей. Неврология 2005; 131: 199–208. pmid: 15680703
18. 18. Segerdahl AR, Mezue M, Okell TW, Farrar JT, Tracey I. Дорсальный задний островок играет фундаментальную роль в возникновении боли у человека. Нат Neurosci 2015; 18: 499–500.pmid: 25751532
19. 19. Фавилла С., Хубер А., Паньони Дж., Луи Ф., Факчин П. и др. Ранжирование областей мозга, кодирующих воспринимаемый уровень боли по данным фМРТ. Нейроизображение 2014; 90: 153–162. pmid: 24418504
20. 20. Bornhövd K, Quante M, Glauche V, Bromm B, Weiller C и др. Болезненные стимулы вызывают различные функции стимул-реакция в миндалевидном теле, префронтальной, островковой и соматосенсорной коре: одно испытание с помощью фМРТ. Мозг 2002; 125: 1326–1336. pmid: 12023321
21. 21.Островский К., Магнин М., Рывлин П., Иснард Дж., Генот М. и др. Представление боли и соматических ощущений в островке человека: исследование ответов на прямую электрическую стимуляцию коры. Cereb Cortex 2002; 12: 376–385. pmid: 11884353
22. 22. Baier B, zu Eulenburg P, Geber C, Rohde F, Rolke R и др. Островковая часть и сенсорная кора островка и соматосенсорный контроль у пациентов с инсулярным инсультом. Eur J Pain 2014; 18: 1385–1393. pmid: 24687886
23. 23. Латунь М, Хаггард П.Скрытая сторона намеренного действия: роль передней коры островка. Функция структуры мозга 2010; 214: 603–610. pmid: 20512363
24. 24. Крейг А.Д., Чен К., Бэнди Д., Рейман Э.М. Термосенсорная активация коры островка. Нат Neurosci 2000; 3: 184–190. pmid: 10649575
25. 25. Крейг А.Д. Значение островка для эволюции осознания человеком своих телесных чувств. Энн Н. И. Акад. Наук 2011; 1225: 72–82. pmid: 21534994
26. 26. Ферл Н, Авербек ББ.Теменная кора и островок связаны с поиском доказательств, относящихся к решениям, связанным с вознаграждением. J Neurosci 2011; 31: 17572–17582. pmid: 22131418
27. 27. Гейдрих Л., Бланке О. Отчетливое иллюзорное восприятие собственного тела, вызванное повреждением задней островковой доли и экстрастриальной коры. Мозг 2013; 136: 790–803. pmid: 23423672
28. 28. Ламм C, Сингер Т. Роль передней части коры островка в социальных эмоциях. Функция структуры мозга 2010; 214: 579–591. pmid: 20428887
29. 29.Штерцер П., Кляйншмидт А. Активации передней островковой доли в парадигмах восприятия: часто наблюдаются, но почти не понимаются. Функция структуры мозга 2010; 214: 611–622. pmid: 20512379
30. 30. Wicker B, Keysers C, Plailly J, Royet JP, Gallese V и др. Мы оба испытывали отвращение в Моей островке: общая нейронная основа видения и чувства отвращения. Нейрон 2003; 40: 655–664. pmid: 14642287
31. 31. Августин-младший. Схема и функциональные аспекты островной доли у приматов, включая человека.Brain Res Brain Res Rev 1996; 22: 229–244. pmid: 8957561
32. 32. Cauda F, D’Agata F, Sacco K, Duca S, Geminiani G и др. Функциональная связность островка мозга в состоянии покоя. Нейроизображение 2011; 55: 8–23. pmid: 21111053
33. 33. Cauda F, Costa T, Torta DM, Sacco K, D’Agata F и др. Метааналитическая кластеризация островковой коры: характеристика метааналитической связности островка при выполнении активных задач. Нейроизображение 2012; 62: 343–355. pmid: 22521480
34. 34.Cerliani L, Thomas RM, Jbabdi S, Siero JC, Nanetti L, et al. Вероятностная трактография восстанавливает рострокаудальную траекторию изменчивости связности в островковой коре человека. Hum Brain Mapp 2012; 33: 2005–2034. pmid: 21761507
35. 35. Чанг Л.Дж., Яркони Т., Хоу М.В., Санфей АГ. Расшифровка роли островка в человеческом познании: функциональное разделение и крупномасштабный обратный вывод. Cereb Cortex 2013; 23: 739–749. pmid: 22437053
36. 36. Морел А., Галлай М.Н., Бэклер А., Висс М., Галлай Д.С.Островок человека: архитектурная организация и посмертная регистрация МРТ. Неврология 2013; 236: 117–135. pmid: 23340245
37. 37. Асано Э., Юхас С., Шах А., Музик О., Чугани Д.К. и др. Возникновение и распространение эпилептических спазмов, выявленных при электрокортикографии. Эпилепсия 2005; 46: 1086–1097. pmid: 16026561
38. 38. Найдич Т.П., Канг Э., Фаттерпекар Г.М., Дельман Б.Н., Гультекин С.Х. и др. Островок: анатомическое исследование и отображение МРТ на 1,5 T. AJNR Am J Neuroradiol 2004; 25: 222–232.pmid: 14970021
39. 39. Inui K, Tran TD, Qiu Y, Wang X, Hoshiyama M и др. Сравнительное магнитоэнцефалографическое исследование корковых активаций, вызванных ядовитыми и безвредными соматосенсорными стимуляциями. Неврология 2003; 120: 235–248. pmid: 12849756
40. 40. Mouraux A, Iannetti GD Ноцицептивные потенциалы мозга, вызванные лазером, не отражают нервную активность, специфичную для ноцицептивов. Журнал Neurophysiol 2009; 101: 3258–3269. pmid: 19339457
41. 41. Фрот М., Могьер Ф.Двойное представление о боли в оперкулоинсулярной коре у человека. Мозг 2003; 126: 438–450. pmid: 12538410
42. 42. Николсон С, Фриман Дж. Теория анализа плотности источников тока и определения тензора проводимости бесхвостого мозжечка. J. Neurophysiol 1975; 38: 356–368. pmid: 805215
43. 43. Раджан JJ, Райнер PJW. Выбор порядка модели для разложения по сингулярным значениям и дискретного преобразования Карунена-Лоэва с использованием байесовского подхода. IEEE Proceedings — Vision, Image and Signal Processing, 1997; 144: 116–123.
44. 44. Frot M, Faillenot I, Mauguière F. Обработка ноцицептивного входа от заднего к переднему островку у людей. Hum Brain Mapp 2014; 35: 5486–5499. pmid: 24
    2
45. 45. Mazzola L, Isnard J, Peyron R, Guénot M, Mauguière F. Соматотопическая организация болевых реакций на прямую электрическую стимуляцию коры островка человеческого островка. Боль 2009; 146: 99–104. pmid: 19665303
46. 46. Файнштейн JS, Khalsa SS, Salomons TV, Prkachin KM, Frey-Law LA, et al.Сохранение эмоциональной осведомленности о боли у пациента с обширным двусторонним повреждением островка, передней поясной извилины и миндалины. Функция структуры мозга. 2015 11 января.
47. 47. Фрот М., Маньен М., Могьер Ф., Гарсия-Ларреа Л. Человеческий SII и задний островок по-разному кодируют тепловые лазерные стимулы. Cereb Cortex 2007; 17: 610–620. pmid: 16614165
48. 48. Балики М.Н., Геха П.Ю., Апкарян А.В. Анализ восприятия боли между ноцицептивным представлением и оценкой величины.Журнал Neurophysiol 2009; 101: 875–887. pmid: 1
    02
49. 49. Menon V, Uddin LQ. Важность, переключение, внимание и контроль: сетевая модель функции островка. Функция структуры мозга 2010; 214: 655–667. pmid: 20512370
50. 50. Зу Эйленбург П., Баумгертнер У., Триде Р.Д., Дитерих М. Интероцептивные и мультимодальные функции оперкулоинсулярной коры: тактильные, ноцицептивные и вестибулярные представления. Neuroimage 2013; 83: 75–86. pmid: 23800791
51. 51. Брукс Дж. С., Трейси И.Островок: многомерное место интеграции боли. Боль 2007; 128: 1-2. pmid: 17254713
52. 52. Спренг Р.Н., Сепулькр Дж., Тернер Г.Р., Стивенс В.Д., Шактер Д.Л. Внутренняя архитектура, лежащая в основе отношений между сетями по умолчанию, дорсальным вниманием и лобно-теменной сетью контроля человеческого мозга. J Cogn Neurosci 2013; 25: 74–86. pmid: 221
53. 53. Винсент Дж. Л., Кан И., Снайдер А. З., Райхл М. Е., Бакнер Р. Л.. Доказательства наличия лобно-теменной системы контроля, выявленные внутренними функциональными связями.Журнал Neurophysiol 2008; 100: 3328–3342. pmid: 18799601
54. 54. Dosenbach NU, Fair DA, Miezin FM, Cohen AL, Wenger KK и др. Четкие сети мозга для адаптивного и стабильного управления задачами у людей. Proc Natl Acad Sci U S A 2007; 104: 11073–11078. pmid: 17576922
55. 55. Дозенбах Н.У., Ярмарка Д.А., Коэн А.Л., Шлаггар Б.Л., Петерсен С.Е. Двойная сетевая архитектура управления сверху вниз. Тенденции Cogn Sci 2008; 12: 99–105. pmid: 18262825
56. 56. Dosenbach NU, Visscher KM, Palmer ED, Miezin FM, Wenger KK, et al.Базовая система для выполнения поставленных задач. Нейрон 2006; 50: 799–812. pmid: 16731517
57. 57. Янтис С. Нейронные основы избирательного внимания: корковые источники и цели модуляции внимания. Curr Dir Psychol Sci 2008; 17: 86–90. pmid: 19444327
58. 58. Ранганат С., Райнер Г. Нейронные механизмы для обнаружения и запоминания новых событий. Нат Рев Neurosci 2003; 4: 193–202. pmid: 12612632
59. 59. Iannetti GD, Mouraux A. От нейроматрицы к матрице боли (и обратно).Exp Brain Res 2010; 205: 1–12. pmid: 20607220
60. 60. Легрейн В., Яннетти Г.Д., Плагки Л., Мораукс А. Перезагрузка матрицы боли: система определения заметности тела. Прог Нейробиол 2011; 93: 111–124. pmid: 21040755
61. 61. Mouraux A, Diukova A, Lee MC, Wise RG, Iannetti GD. Мультисенсорное исследование функционального значения «матрицы боли». Нейроизображение 2011; 54: 2237–2249. pmid: 20932917
62. 62. Буше О., Руло I, Лассонд М., Лепор Ф., Бутилье А. и др.Обработка социальной информации после резекции островковой коры. Нейропсихология 2015; 71: 1–10. pmid: 25770480
63. 63. Klucken T, Schweckendiek J, Koppe G, Merz CJ, Kagerer S и др. Нейронные корреляты реакций, обусловленных отвращением и страхом. Неврология 2012; 201: 209–218. pmid: 22108614
64. 64. Baeuchl C, Meyer P, Hoppstädter M, Diener C, Flor H. Контекстуальное обусловливание страха у людей с использованием идентичных по характеристикам контекстов. Neurobiol Learn Mem 2015; 121: 1–11.pmid: 25792231
65. 65. Крейг А.Д. Как ты себя чувствуешь? Интероцепция: ощущение физиологического состояния тела. Нат Рев Neurosci 2002; 3: 655–666. pmid: 12154366
66. 66. Крейг А.Д. Интероцепция: ощущение физиологического состояния тела. Curr Opin Neurobiol 2003; 13: 500–505. pmid: 12965300
67. 67. Buzsáki G, Anastassiou CA, Koch C. Происхождение внеклеточных полей и токов — ЭЭГ, ЭКоГ, LFP и спайков. Нат Рев Neurosci 2012; 13: 407–420.pmid: 22595786
68. 68. Робинсон К.Дж., Бертон Х. Соматотопографическая организация второй соматосенсорной зоны M. fascicularis. J Comp Neurol 1980: 192: 43–67. pmid: 7410613
69. 69. Ghazanfar AA, Schroeder CE. Является ли неокортекс мультисенсорным по сути? Тенденции Cogn Sci 2006; 10: 278–285. pmid: 16713325
70. 70. Кайзер К. Мультисенсорная природа единой коры головного мозга: продолжение загадки. Нейрон 2010; 67: 178–180. pmid: 20670827
71. 71.Лян М., Муро А., Ху Л., Яннетти Г.Д. Первичная сенсорная кора содержит различимые пространственные паттерны активности для каждого чувства. Nat Commun 2013; 4: 1979. pmid: 23752667
72. 72. Куинн Б.Т., Карлсон С., Дойл В., Кэш С.С., Девински О. и др. Внутричерепные корковые ответы во время визуально-тактильной интеграции у людей. Журнал Neurosci 2014; 34: 171–181. pmid: 24381279
73. 73. Краль А., Шредер Дж. Х., Клинке Р., Энгель А. К.. Отсутствие кросс-модальной реорганизации в первичной слуховой коре у врожденно глухих кошек.Exp Brain Res 2003; 153: 605–613. pmid: 12961053
74. 74. Бромм Б, Триде РД. Разряды нервных волокон, церебральные потенциалы и ощущения, вызванные стимуляцией CO2-лазером. Hum Neurobiol 1984; 3: 33–40. pmid: 6330009
75. 75. Шлерет Т., Магерл В., Триде Р. Пороги пространственной дискриминации для боли и прикосновения в волосатой коже человека. Боль 2001; 92: 187–194. pmid: 11323139
76. 76. Mouraux A, Iannetti GD. Усреднение ответов ЭЭГ, связанных с событием, и не только.Магнитно-резонансная визуализация 2008; 26: 1041–1054. pmid: 18479877
77. 77. Макейг С., Юнг Т.П., Белл А.Дж., Гахремани Д., Сейновски Т.Дж. Слепое разделение слуховых реакций мозга, связанных с событиями, на независимые компоненты. Proc Natl Acad Sci U S. A 1997; 94: 10979–10984. pmid: 9380745
78. 78. Twisk JWR. Прикладной многоуровневый анализ. Практическое руководство. Кембридж, Великобритания: Издательство Кембриджского университета; 2005.
79. 79. Делорм А., Макейг С. EEGLAB: набор инструментов с открытым исходным кодом для анализа динамики ЭЭГ в одном исследовании, включая анализ независимых компонентов.J. Neurosci Methods 2004; 134: 9–21. pmid: 15102499
80. 80. Белл А.Дж., Сейновски Т.Дж. Подход с максимизацией информации к слепому разделению и слепой деконволюции. Neural Comput 1995; 7: 1129–1159. pmid: 7584893
81. 81. Бекманн CF, Смит SM. Вероятностный независимый компонентный анализ для функциональной магнитно-резонансной томографии. IEEE Trans Med Imaging 2004; 23: 137–152. pmid: 14964560

Что означает CDG, CDAG, CAG, VAJ, VAJH, VTT, VAZ, VAA и т. Д.обозначает в случае реле

Что означает CDG, CDAG, CAG, VAJ, VAJH, VTT, VAZ, VAA и т. Д. в случае реле и может кто ответит ..

Ответ / раджан сингх танвар

Это основано на
очень просто
концепция: —
Имеет три
буквы и они
кодируются как
следует: —

Первое письмо —
Операция
Кол. Акций
A — Фазовый угол
сравнение
B — Сбалансированный ток
C — Ток (А)
D — Дифференциал
E — направление
F — Частота
K — Скорость нарастания
текущий
M — Руководство
O — Давление масла
P — Полифаза VA
R — реактивная ВА
S — частота скольжения
T — Температура
V — потенциал
W — Ватт
X — Реактивное сопротивление
Y — вход
(Проводимость)
Z — Импеданс

Вторая буква —
Измерение
A — Привлечено
арматура
B — Бухгольц
C — Индукционный
D — Индукционный диск
G — Гальванометр
I — Датчик
J — Смешанные типы
М — Магнит
(поляризованный)
P — Заглушка
R — Выпрямитель
S — синхронизированный
Мотор
Т — Транзистор
W — вес (сила тяжести)

Третья буква —
Приложение
A — Вспомогательный
B — Тестирование
C — Перевозчик или
Подсчет
D — Направленный
E — Земля / Земля
F — Штекер или сигнализация
Показатель
G — General или
Генератор
H — Гармоника
Ограниченный
J — Отключение
JE — Отключение
(Электрика
Сброс)
JM — Отключение
(Инструкция
Сброс)
JS — Отключение (Самостоятельно)
JC — Отключение
(Дирижер)
K — Проверить тревогу
L — локальное ограничение
M — То же Phi или
двигатель
N — отрицательный
Последовательность
O — Вне шага
P — потенциал
Отказ
R — Повторное закрытие
S — синхронизация
T — Таймер или
Трансформатор
U — определенное время
В — Напряжение
Устойчивый
W — Фиолетовая проволока
WA — Промежуточный
WS — взаимное отключение
X — Наблюдательный
Y — Вспышка
(Черный
Огонь)
Z — Специальный
Приложение
Z0 — нулевая последовательность

Примеры:
CDG — Текущий
(операция
), Диск
(Измерение),
Общего назначения (
Приложение)
CAG — Текущий
(операция
), Привлечено
арматура (
Измерение),
Общий
Назначение (применение)
VAJ — потенциал
(операция
), Привлечено
арматура (
Измерение),
Отключение (
Приложение)
VTT — потенциал
(операция
), Передатчик (
Измерение),
Трансформатор
(Приложение)
ВАЗ — Потенциал (
эксплуатации),
Привлечено
арматура
(Измерение),
Специальное приложение
VAA — потенциал (
эксплуатации),
Привлечено
арматура
(Измерение),
Вспомогательный
(Приложение)

Спасибо, надеюсь
поможет вам.
Раджан Сингх Танвар
J.K.Cement Ltd.

ТАСС: Расшифровка аббревиатуры

Рассмотрим, банален ли вопрос: «Как расшифровать аббревиатуру ТАСС?»

Что такое аббревиатура?

Этот термин произошел от итальянского abbreviatura и латинского brevis — сокращенного. В древних книгах и рукописях так называлось сокращенное написание слов или их групп. Сегодня аббревиатурой называют любое сокращение слов или их сочетаний.Многие из них нам понятны и знакомы, потому что они активно используются в прессе и в доступной литературе. Никто не сомневается в расшифровке аббревиатуры высшее образование (вуз) или КПСС (КПСС). Редкие и только в специализированной литературе есть сокращения. Такие сокращения вместе с их расшифровкой обычно собираются в одной главе публикации (Список сокращений) или объясняют их значение при первом использовании в тексте статьи или книги, например, «эффективность» (EFFICIENCY).

Однако есть довольно распространенные сокращения, которые можно правильно расшифровать, только зная историю их происхождения и развития. ТАСС тоже ссылается на такую ​​аббревиатуру.

Расшифровка начального

Появление аббревиатуры ТАСС произошло в 1925 году, когда на базе Российского телеграфного агентства (РОСТА), официального информационного центра, было создано Телеграфное агентство Союза Советских Социалистических Республик (ТАСС). Союзной Республики РСФСР.Ему было предоставлено исключительное право на распространение информации о событиях за пределами Советского Союза.

В состав агентства вошли информационные агентства союзных республик, входивших в состав СССР: РАТАУ (Украина), КазТАГ (Казахстан), БЕЛТА (Беларусь), УзТАГ (Узбекистан), Грузия (Грузия), ATEM (Молдова), Азеринформ (Азербайджан). , ЭлТА (Литва), латиница), КирТАГ (Кыргызстан), ТаджикТТА (Таджикистан), Арменпресс (Армения), ТуркменИнформ (Туркменистан), ЭТА (Эстония) и Карельфинтаг (1940-1956).Однако они распространяли информацию только в пределах своих территориальных единиц.

Между 1945 и 1991 годами сомневаться в том, что граждане нашей страны ответят на вопрос: «Как расшифровывается ТАСС?» Это было так просто, как дважды два или четыре. Для многих граждан как Советского Союза, так и за его пределами прочно врезалось в память звучное и запоминающееся слово ТАСС, аббревиатура которого была понятна и понятна каждому — Телеграфное агентство Советского Союза. Ведь так часто на радио и телевидении фраза: «ТАСС уполномочен заявить… »

Это агентство было одним из крупнейших информационных центров мира. В его составе было 682 корреспондентских поста внутри страны и более 90 выходов за ее пределами, по всему миру работали более двух тысяч фотокорреспондентов и журналистов ТАСС.

Новое название

В январе 1992 года в связи с уходом с мировой политической арены Советского Союза на базе агентства ТАСС было создано Информационное телеграфное агентство России (ИТАР-ТАСС).Это сокращение включает предыдущее сокращение. Советского Союза больше не было. Как теперь нужно было понимать слово ТАСС? Расшифровка теперь означала «Телеграфное агентство суверенных стран». Прежняя аббревиатура была оставлена ​​в новом названии, потому что этот продвигаемый бренд был признан и авторитетен во всем мире и был напрямую связан с Россией. Не важно, была она или не входила в состав Советского Союза.

Кроме того, медиацентр с новым названием по сути являлся правопреемником Телеграфного агентства Советского Союза, что было закреплено в Указе Президента Российской Федерации Ельцина Б.Н. от 22 декабря 1993 г.2257.

Но сегодня не все в России даже правильно отвечают на вопрос: «Что такое ИТАР-ТАСС?». Как выглядит аббревиатура?

Краткое описание ИТАР-ТАСС

До недавнего времени это было крупнейшее российское информационное агентство, входившее в элиту мировых медиацентров наряду с Reuters, Associated Press и Agence France-Presse. Его службы освещали события в режиме реального времени. Новости агентства поступали на русском, английском, испанском, немецком, французском и арабском языках.Политические, экономические, социальные, культурные и спортивные аспекты жизни в России и в мире освещаются примерно в 200 периодических информационных продуктах.

С 1995 года агентство ИТАР-ТАСС публикует Unifiednews и еще 34 оперативные ленты, отражающие всесторонние новости России и мира, на которых ежедневно отправляется до 650 сообщений. Общий объем передаваемой информации эквивалентен 300 газетным страницам в день.

Агентство располагает крупнейшим в России фондом исторической фотографии (более миллиона фотографий и негативов), который регулярно пополняется тысячами цифровых фотографий.В его распоряжении уникальный информационно-справочный фонд, электронный банк данных, специализированные базы данных экономических и других областей информационных знаний, содержащие миллионы документов.

Информационная сеть ИТАР-ТАСС включает 42 региональных центра и корреспондентских пункта в России. Только в 75 загранучреждениях агентства работает более 500 корреспондентов.

Предоставление информации в этот медиацентр осуществляется нескольким тысячам коллективных подписчиков в России и за рубежом, в том числе более тысячи медиаорганизаций, многих учреждений, библиотек, научных и образовательных организаций.

Возвращение в прошлое

В марте 2014 года на заседании оргкомитета по подготовке к 110-летию агентства было объявлено, что его возвращение к старому названию ТАСС отменяется. Расшифровка, конечно, должна измениться, потому что Советский Союз как государство существует давно. Эта инициатива была поддержана единогласно. Отмечалось, что решение будет принято после согласования смены названия со стороны учредителя агентства — правительства Российской Федерации.

Из истории ТАСС

«А почему 110 лет?» — ты спрашиваешь. Ведь слово ТАСС возникло в 1925 году. Фактически начало своей истории агентство ведет с возникновения в 1904 году Санкт-Петербургского телеграфного агентства (СПТА), переименованного в 1914 году в Петроградское телеграфное агентство (ПТА) и просуществовавшего до 1918. Именно на его основе была создана РОСТА, уже упоминавшаяся в этой статье.

ТАСС — расшифровка аббревиатуры сегодня

В 2013 году РИА Новости было ликвидировано (на его базе создано агентство «Россия сегодня», вещающее за рубежом).ИТАР-ТАСС стало единственным государственным информационным агентством в России. В сентябре 2014 года начался переход ИТАР-ТАСС на прежний бренд — ТАСС. Расшифровка современной аббревиатуры в полном виде теперь выглядит как «Российское информационное агентство ТАСС» / «Российское информационное агентство ТАСС». Переход должен завершиться к концу 2015 года.

Уже сейчас обновленные логотипы агентств используются при оформлении информационных лент, публикаций, веб-сайтов и т. Д.

Прочитав эту статью, вы ответите на вопросы: «Как ТАСС? расшифровано? » И «Тривиален ли этот вопрос в настоящее время?»

Биология | Бесплатный полнотекстовый | Самоорганизованное структурирование рекуррентных нейронных сетей для надежной передачи информации

3.1. Самоорганизация улучшает декодирование стимулов за счет разреженных считываний

Как объяснялось выше, сети внутри корковой иерархии должны передавать информацию о входящей сенсорной стимуляции от подмножества нейронов, которые получают разреженные входные соединения от предыдущего уровня иерархии к другому подмножеству нейроны, из которых редкие выходные соединения проецируются на следующий уровень иерархии (рис. 1А). Здесь мы исследуем, как рекуррентные нейронные сети могут обеспечить такую ​​маршрутизацию информации посредством самоорганизации.С этой целью мы исследуем стимуляцию, реорганизацию и считывание самоорганизующихся рекуррентных сетей (SORN), состоящих из 1200 протекающих нейронов, основанных на проводимости, которые обладают внутренней пластичностью, пластичностью, зависящей от времени спайков, и синаптической нормализацией [23, 25].

В качестве первого шага мы проверяем, улучшает ли самоорганизация описанную маршрутизацию информации, проверяя, насколько хорошо представленный стимул может быть декодирован из действий подмножества выходных нейронов на разных этапах самоорганизации.Для этого сеть представлена ​​пятью стимулами, которые моделируются повышенными темпами в одной из пяти входных популяций, активность которых передается в сеть через разреженные входные соединения. Затем сети позволяют самоорганизоваться в ответ на эти стимулы в течение определенного времени обучения.

Затем мы проверяем, можно ли идентифицировать стимул по редким показаниям, которые видят активность только небольшого подмножества нейронов в рекуррентной сети (рис. 1A). Для этого мы отслеживаем пиковую активность относительно времени предъявления стимула и пытаемся декодировать стимул из подмножества записанных активностей нейронов, используя несколько классификаторов.С этой целью мы неоднократно выбираем подмножество нейронов и разделяем их ответы на обучающий набор, на котором обучается декодер, и тестовый набор, на котором оценивается его точность классификации. В начале обучения точность декодирования возрастает очень медленно с увеличением количества нейронов, а хорошая точность выше 95% достигается только с примерно 100 нейронами (рис. 1B, C). Примерно после 100 секунд обучения точность возрастает намного быстрее, так что для декодирования стимула с высокой точностью требуется всего 10–15 нейронов (рис. 1B).Этот результат сохраняется при использовании других классификаторов (рисунок 1C).

Таким образом, мы заключаем, что самоорганизация улучшает считывание информации о стимулах за счет редких случайно распределенных дальнодействующих связей с другими слоями или областями мозга.

3.2. Самоорганизация распределяет информацию, настраивая все нейроны на один стимул

На следующем этапе мы стремимся идентифицировать особенности самоорганизованного нейронного кода в рекуррентной сети, который позволяет описанное выше улучшенное декодирование по мере обучения.Наиболее заметно то, что мы обнаруживаем, что после короткого интервала обучения также клетки, которые не получают стимуляции, демонстрируют быструю реакцию, в основном на один из стимулов (рис. 2А). Однако, поскольку фактическое время всплеска немного колеблется от испытания к испытанию (рис. 2A), мы также отслеживали совокупную вероятность того, что клетка подскакивает в течение первых 2,5 мс после предъявления стимула. Как и ожидалось из спайк-растров, это распределение показывает четкие пики для одного из стимулов и лишь небольшую вероятность срабатывания для одного из других стимулов (рис. 2В).Затем мы устанавливаем порог для зависящей от стимула вероятности срабатывания (20%, пунктирная линия на рисунке 2B), выше которого клетка считается настроенной на соответствующий стимул, и оценивается, сколько клеток настроено на один, два или более стимулов при разных стимулах. время тренировок. Хотя изначально большинство клеток настроено на отсутствие стимула (рис. 2E, синяя кривая), и только 200 клеток, которые стимулируются, настроены на один стимул (оранжевая кривая), количество клеток, настроенных на отсутствие стимула, непрерывно уменьшается в течение первых 100 клеток. s обучения, так что в конце каждая клетка реагирует на внешние раздражители.Интересно, что почти все клетки настраиваются только на один из стимулов (оранжевая кривая), в то время как двойные или тройные настройки остаются редкими (зеленые / красные кривые). Мы задались вопросом, как это сильное предпочтение одного из стимулов влияет на информацию, которую активность отдельной клетки несет в себе стимул. Таким образом, мы оценили взаимную информацию между стимулом и активностью отдельных клеток и проследили распределение этой взаимной информации во времени (Рисунок 2C; толщина формы означает относительную частоту значения взаимной информации, указанной на оси Y при обучении. время, указанное на оси абсцисс).Изначально активность только нескольких клеток, предположительно стимулированных, несет информацию о стимуле, тогда как активность всех остальных клеток неинформативна. По мере увеличения числа ячеек, настроенных хотя бы на один стимул, масса вероятности смещается в сторону более высоких значений взаимной информации, пока в конечном итоге активность каждой отдельной ячейки не будет содержать около 0,5 бита информации о стимуле (время обучения превышает 96 с). Обратите внимание: хотя в принципе вероятность выброса может нести до 1 бита информации, идеально настроенная клетка, отвечающая на один стимул со 100% вероятностью и остающаяся безмолвной для остальных стимулов, имеет значение взаимной информации, равное 0.46бит. Это указывает на то, что самоорганизация не обязательно приводит к оптимальному представлению информации в пиковой активности, но к тому, что ее можно легко прочитать (см. Ниже). Тем не менее, когда распределения взаимной информации рассчитываются отдельно для ячеек, которые настроены на разное количество стимулов (рис. 2D), мы обнаруживаем, что ячейки с настройкой на один стимул фактически дают немного более высокий информационный контент, чем ячейки с несколькими настройками. Следовательно, для сети, которую мы рассматриваем здесь, конечное состояние с единственной настройкой для каждой ячейки может быть лучшим выбором.Однако количество настроек может сильно зависеть от используемого порога вероятности срабатывания. Поэтому мы варьировали порог для настройки и оценивали долю настроенных ячеек при разной продолжительности обучения (указано в заголовке панели, рис. 2G). Тенденция к получению одной настройки (оранжевого цвета) наблюдается в большом диапазоне пороговых значений. Настройка на два или более стимула обычно наблюдается при очень малых порогах в начале тренировки (рис. 2G). При очень высоких порогах количество ненастроенных нейронов (синие) сначала сокращается, а затем снова увеличивается с течением времени, что может быть связано с внутренней пластичностью, которая не позволяет нейронам быть чрезмерно активными и реагировать на каждое предъявление стимула со 100% вероятностью.

3.3. Декодируемость улучшается за счет увеличения реакции на предпочтительный стимул

Таким образом, приведенные выше результаты показывают, что большинство нейронов в сети реагирует на один стимул, но с вероятностью ниже 1. Мы используем это упрощенное представление, чтобы получить аналитическое представление о том, как потребуется много соединений на большие расстояния, чтобы считывать данные из такой обученной сети и декодировать стимул с заданной точностью. Для этого рассмотрим ситуацию, когда каждый нейрон настроен на один предпочтительный стимул и реагирует на него с вероятностью pon, тогда как на все остальные стимулы он реагирует с вероятностью poff.Для заданного количества дальнодействующих соединений на стимул мы можем затем вычислить, какие комбинации pon и poff позволят нам различить правильный стимул в 95% случаев (путем выбора популяции с максимальной активностью). В целом, чем выше вероятность ответа на предпочтительный стимул, тем выше может быть вероятность ответа и на другие стимулы (рис. 2F, синие кривые с указанием количества дальнодействующих соединений). Однако использование меньшего количества соединений потребует более высоких вероятностей реакции на предпочтительный стимул или меньших — на нежелательный стимул.Затем мы определили среднее значение этих вероятностей отклика для нашей моделируемой сети на разных этапах обучения. Самоорганизация изначально увеличивает среднюю вероятность ответа на предпочтительные, но также и на нежелательные стимулы (рис. 2F, квадратные маркеры, цвет указывает время обучения). Позже реакция на нежелательные стимулы снова снижается, скорее всего, из-за гомеостатических механизмов, предотвращающих чрезмерное возбуждение. Сравнение зависимости вероятностей отклика от времени с кривыми, показывающими количество соединений, необходимых для декодирования, показывает, что самоорганизация преобразует сеть из состояния, когда требуется около 20 длительных соединений на один стимул, в точку, где только одно или два соединения необходимы для надежного считывания, в основном за счет увеличения вероятности ответа на предпочтительный стимул.

3.4. Настройка распространения из-за сильных прямых связей

Феномен, при котором большинство клеток настраивается на один стимул, можно объяснить механизмами самоорганизации в нашей сети: механизм внутренней пластичности адаптирует порог активации нестимулированных клеток, чтобы предотвратить их быть неактивным. Следовательно, они в конечном итоге становятся очень чувствительными и могут запускаться через случайные связи стимулированных клеток. В результате коррелированное срабатывание приводит к усилению этих связей с помощью STDP.Поскольку более высокие веса также вызывают более согласованное срабатывание, это составляет петлю положительной обратной связи. Однако синаптическая нормализация также вводит конкуренцию между входными весами в клетку и, следовательно, механизм «победитель получает все», который в конечном итоге допускает сильные веса только от стимулированных клеток одного стимула.

Доказательства этого механизма можно найти во временной эволюции гистограмм различных типов веса в нашей сети (рис. 3A, C). Прежде всего, нейроны, которые получают один и тот же стимул, демонстрируют коррелированное срабатывание, так что веса между ними (внутристимул, красный цвет) непрерывно растут.Однако веса, которые проецируются от стимулированных нейронов к нестимулированным нейронам (коричневые), растут с той же скоростью. Однако веса, которые проецируются обратно на стимулированные нейроны (резервуар → стимул, розовый), остаются слабыми. Это могло произойти из-за асимметричной природы правила STDP, согласно которому стимулированные нейроны запускают возбуждение в нестимулированных, но не наоборот. Вес между нестимулированными нейронами (резервуар, серый) также увеличивается, хотя и немного меньше, чем у стимулированных нейронов.Наконец, возбуждение между нейронами, получающими разные стимулы, не коррелирует, и веса между ними остаются низкими (межстимульный, зеленый). Как следствие, после обучения мы наблюдаем сильные повторяющиеся связи между нейронами, получающими один и тот же стимул (рис. 3В вверху, индексы 0–199, пять групп по 40 нейронов). Более того, мы наблюдаем сильные связи этих нейронов с остальной частью сети (верхний правый блок), но не обратно (нижний левый блок) или между нестимулированными нейронами (нижний правый блок).Когда индексы нейронов переупорядочиваются в соответствии с стимулированной группой, от которой они получают самый сильный совокупный входной вес, и размером этого веса (рис. 3В внизу), матрица связности демонстрирует блочно-диагональную структуру, которая согласуется с наблюдением, что каждый нейрон настраивается на один стимул. Кроме того, нейроны, которые получают сильные веса от одной стимулированной группы, не получают сильных весов от другой (рис. 3E), что, вероятно, возникает из-за структуры « победитель получает все », индуцированной синаптической нормализацией.Таким образом, мы видим разброс настроенных стимульных ответов от стимулированных нейронов ко всей нестимулированной сети (рис. 3F). Таким образом, динамика самоорганизации, определяемая взаимодействием между STDP, синаптической нормализацией и внутренней пластичностью, распределяет максимально возможные нейронные ресурсы для представления стимулов. Интуитивно такое распространение представления стимула из-за самоорганизации полезно для разреженного считывания последующим сетевым уровнем или областью мозга.Это связано с тем, что все соединения для считывания на большие расстояния — независимо от того, как они распределены — могут быть получены от настроенных нейронов, чья активность несет информацию о стимуле (см. Выше).

3,6. Является ли распространение представления стимула энергоэффективным?

Одна из причин, по которой связь между уровнями на больших расстояниях является редкой, может заключаться в экономии энергии. Экономичная реализация нейронных вычислений дает эволюционное преимущество. Следовательно, предполагается, что сети организованы таким образом, что общая стоимость проводки остается небольшой [44,45].Однако, чтобы обеспечить правильное считывание с менее дальнодействующими соединениями (LRC), наша сеть использует сильные повторяющиеся или короткие соединения (SRC). Таким образом, неясно, уменьшают ли и при каких условиях открытые здесь принципы самоорганизации метаболические затраты на структуру сети. Чтобы исследовать это, мы предполагаем, что метаболические затраты E на поддержание связности сети пропорциональны взвешенной сумме числа соединений ближнего действия nSRC и числа соединений дальнего действия nLRC: E∝ELRCnLRC + ESRCnSRC, где ELRC и ESRC означают метаболические затраты на соединение дальнего и ближнего действия, соответственно.Используя соотношение γ = ELRC / ESRC, которое указывает, насколько дороже соединение дальнего действия по сравнению с подключением ближнего действия, это можно упростить до

Таким образом, и nSRC, и nLRC определяются архитектурой сети. Далее мы проанализируем метаболические издержки для класса сетевых архитектур, возникающих в ходе рассмотренного выше процесса самоорганизации. В этих сетях предполагается, что часть нейронов f приобретает настройку и реагирует на один стимул (с pon = 1), тогда как оставшаяся часть нейронов 1-f не проявляет специфической реакции на стимул.

Мы также предполагаем, что, как и в нашей самоорганизованной сети, каждый настроенный нейрон получает сильные связи ближнего действия от всех входных нейронов, которые стимулируются его предпочтительным стимулом (если эти связи физически существуют). Таким образом, для сети с N нейронами количество коротких соединений приблизительно равно nSRC = fNpconβ, где pcon — вероятность соединения внутри сети, а β — количество стимулированных клеток для каждого отдельного стимула.

Число дальнодействующих соединений, необходимых для правильного считывания идентичности стимула, было определено численно для различных фракций настроенных нейронов и разного количества стимулов посредством моделирования (рис. 4A, сплошные кривые).Это количество соединений на большие расстояния хорошо совпадает с количеством, необходимым для правильного считывания данных из нашей самоорганизующейся сети на разных этапах обучения (серые крестики, nLRC и f, определенные как на рисунках 1C и 2E, соответственно). Используя аналитическое приближение (см. Приложение A), мы обнаружили, что оно масштабируется с f как nLRC = L (nstim) / f (наилучшее соответствие показано на рисунке 4A, пунктирные линии). количества соединений дальнего и ближнего действия, мы можем определить метаболические затраты для различных соотношений затрат γ (рис. 4B вверху / внизу).Для небольшого количества стимулов и небольших соотношений затрат оптимальная доля настроенных нейронов меньше 1 (рис. 4В вверху для nstim∈ {3,5}). Эта оптимальная доля настроенных нейронов, при которой сводятся к минимуму общие метаболические затраты, может быть выражена как Во всех остальных случаях (где fmin> 1) метаболические затраты монотонно убывают с f (рисунок 4B), так что сети с f = 1 являются наиболее экономичной архитектурой. Таким образом, в этих случаях исследуемая здесь самоорганизация, которая приводит сеть к f = 1 (см. Выше), представляет собой построение сетевой архитектуры, которая передает информацию о стимулах с минимальными метаболическими затратами.Минимальный коэффициент затрат, для которого это (f = 1) имеет место, может быть определен из приведенного выше выражения как

γmin = pcon · β︸в градусе настроенных клеток · N / Lnstim︸≈ настраиваемый стимул клеток.

Соотношение затрат тем выше, чем больше клеток настроено на каждый стимул и чем больше синапсов они получают от клеток, стимулированных входными сигналами βpcon.

No related posts.