Esencialni tremor (ET) je ena izmed najbolj pogostih motenj gibanja, njegova patofiziologija pa trenutno ni dobro razumljena. V tej študiji smo preučili dejavnike, ki določajo v klinični praksi pogosto opaženo spremenljivost fazne razlike med vzbujanji antagonističnih parov skeletnih mišic v ET. Uporabili smo računski model za simuliranje učinkov različnih stopenj prostovoljnega in neprostovoljnega vzbujanja motoričnih nevronov. Rezultate teh simulacij smo primerjali s podatki enajstih bolnikov z ET. V obeh analizah smo vzbujanje mišic modelirali z vsoto prožilnih vlakov posameznih motoričnih enot, ki smo jih razpoznali iz površinskih elektromiogramov. Simulacije so pokazale, da je fazna razlika med vzbujanji antagonističnih mišic odvisna od relativne moči supraspinalnih vhodov motoričnih nevronov. V primerih, ko je bil supraspinalni tremoričen vhod v eni izmed mišic šibek ali odsoten, v drugi pa relativno močan, so aferentne povezave znatno prispevale k skupnemu tresenju antagonističnega mišičnega para. Simulacije so tudi napovedale, da bodo brez hotnih supraspinalnih vzbujanj (tremor v mirovanju) vzbujanja antagonističnih mišic bolj verjetno fazno poravnana, medtem ko bo sočasna prisotnost prostovoljnih in neprostovoljnih supraspinalnih vzbujanj (posturalni tremor) bolj pogosto privedla do faznih zamikov v vzbujanju antagonističnih mišic. Eksperimentalni rezultati so potrdili te napovedi in pokazali veliko razliko v fazni poravnavi mišičnih vzbujanj med posturalnim tremorjem in tremorjem v mirovanju. Prav tako so pokazali, da si v primeru ET antagonistične mišice vedno delijo skupna nehotna vzbujanja. Naši rezultati razkrivajo, da ima prepletanje supraspinalnih in aferentnih vzbujanj pomembno vlogo pri nastanku patološkega tremorja.
COBISS.SI-ID: 18809622
Članek predstavlja kratko-intervalno združeno optimizacijo stroškov in emisij hidro in termo elektrarn z naslovitvijo skupnih stroškov goriva ter minimizacijo emisij. V članku je uporabljena stroškovna ocenitev goriva z učinkom ventilnih točk, ki poveča stopnjo težavnosti optimizacije. Optimalno ravnotežje med naslovljenimi cilji, ki so medsebojno konfliktni, pridobimo s primernimi hidro in termo urniki generiranja. Nadomestna diferencialna evolucija je uporabljena za zadostitev 24-urnih sistemskih zahtev in končnih stanj bazenov hidroelektrarn z minimiziranjem skupnih stroškov in emisij. Članek predlaga nov optimizacijski algoritem modela gospodar-podanik, kjer so optimalni urniki termoelektrarn pridobljeni znotraj podanikovega modela. Podatki, pridobljeni iz podanikovega modela, so shranjeni v matriko, ki služi kot nadomestni model v gospodarjevem modelu, kjer je optimizacija hidroelektrarn in termoelektrarn z vsemi cilji in omejitvami izvedena z uporabo algoritma samoprilagodljive paralelne diferencialne evolucije. Za prikaz učinkovitosti predlagane metode so uporabljeni različni primeri študij: razporejanje stroškov, razporejanje emisij in združeno razporejanje stroškov ter emisij. Predlagana metoda je preverjena na modelu, sestavljenem iz štirih hidroelektrarn in treh termoelektrarn.
COBISS.SI-ID: 18347030
V študiji smo vpeljali in validirali novo neinvazivno metodo, ki omogoča natančno zaznavanje prožilnih trenutkov večjega števila motoričnih enot med ekscitatornimi in inhibitornimi refleksi skeletnih mišic. V preiskavi je sodelovalo devet zdravih oseb, večkanalne površinske in igelne elektromiograme (EMG) mišice tibialis anterior pa smo posneli med dorsifleksijo gležnja pri 5 %, 10 %, 20 % in 50 % stopnji maksimalne hotne mišične skrčitve (MHS). Tibialni živec (inhibitorni refleks) in peronealni živec (ekscitatorni refleks) smo stimulirali dražljaji konstantnega električnega toka. Skupno je bilo iz površinskih signalov EMG razpoznanih 416, iz igelnih signalov pa 84 motoričnih enot. Refleksne odzive zaznanih motoričnih enot smo analizirali s pomočjo histograma časovnih zakasnitev med stimulacijskim dražljajem živca in proženji motoričnih enot. Histograme refleksnih odzivov motoričnih enot, ki smo jih sočasno razpoznali tako iz površinskih kot iz igelnih signalov EMG smo medsebojno primerjali. Primerjava je pokazala relativno majhna razhajanja, in sicer v velikosti 8,2 ± 2,2% (5% MHS), 6,8 ± 1,0% (10% MHS) in 7,5 ± 2,2% (20% MHS) povprečne vrednosti posameznega razreda histograma za refleksno inhibicijo in 6,5 ± 4,1%, 12,0 ± 1,8% in 13,9 ± 2,4% povprečne vrednosti posameznega razreda histograma za refleksno vzbujanje. Obe modalnosti zajema (površinski in igelni EMG) sta dali primerljive vrednosti merljivih značilnosti refleksnih odzivov, kot so latenca, amplituda in trajanje odziva posamezne motorične enote, razlike med njima pa niso bile statistično značilne. Analiza površinskih signalov EMG je omogočila preučevanje refleksnih odzivov tudi pri 50 % stopnji mišične skrčitve, kar z analizo igelnih signalov EMG ni bilo mogoče. Sklenemo lahko, da omogoča dekompozicija večkanalnih površinskih signalov EMG popolnoma neinvazivno analizo refleksnega odziva večjega števila motoričnih enot in pri višjih stopnjah mišičnih skrčitev kot klinično bolj uveljavljena analiza igelnih signalov EMG.
COBISS.SI-ID: 18809110
Algoritem ABC je meta-hevristični algoritem, ki posnema inteligenco rojev in je v zadnjem času pritegnil pozornost mnogih raziskovalcev. Njegova dobra lastnost je ugodno razmerje med izkoriščanjem (faza čebel delavk in faza čebel opazovalk) in preiskovanjem prostora (faza čebel skavtinj). Ker vedno več raziskovalcev na tem področju uporablja algoritem ABC za primerjavo, je bistveno, da je primerjava z ostalimi algoritmi poštena. Ta članek nakazuje na nekatera nerazumevanja, kadar primerjava temelji na enakem številu iteracij oz. generacij s poudarkom na algoritmu ABC. Upamo, da bodo rezultati tega članka opozarjali raziskovalce, da ne ponavljajo teh napak.
COBISS.SI-ID: 18044438
Razvoj stohastičnih metahevrističnih algoritmov za reševanje optimizacijskih problemov je dandanes v hitrem porastu. Osnovna značilnost teh metahevristik je, da njihov preiskovalni proces pri preiskovanju prostora preiskovanja uporablja stohastičnost. Le-ta je še posebej dobrodošla pri določanju obetavnih točk v prostoru preiskovanja in je ključnega pomena pri odkrivanju novih rešitev. V tem članku izdelamo obširno primerjalno študijo, v kateri primerjamo različne verjetnostne porazdelitve, ki jih lahko uporabimo pri randomizaciji algoritmov inteligence rojev, npr. uniformna, normalna, Levy let, kaotične mape in naključno izbiranje v turbolentnih fraktalnih oblakih. Te randomizacijske metode smo vgradili v algoritem na osnovi obnašanja netopirjev (angl. Bat algorithm, krajše BA), ki je eden izmed novejših članov iz te družine algoritmov. Pri tem smo razvili različne variante tega algoritma, v katere smo vgradili omenjene randomizacijske metode in te preizkusili na znani zbirki 24 funkcij BBOB. Rezultate randomizacijskih algoritmov smo primerjali z rezultati ostalih znanih algoritmov, vključno z algoritmi na osnovi kresnic (angl. Firefly Algorithm, krajše FA), diferencialne evolucije (angl. Differential Evolution, krajše DE), in umetno kolonijo čebel (angl. Artificial Bee Colony, krajše ABC). Rezultati teh poskusov kažejo, da zmogljivost uporabljene porazdelitve ni odvisna samo od algoritma, ampak tudi od problema, ki ga rešujemo.
COBISS.SI-ID: 18494998