.fav_bar { 浮动：左； 边框：1px实线＃a7b1b5； 上间距：10px； 下间距：20px； }
.fav_bar span.fav_bar-label { 文字对齐：中心； 填充：8px 0px 0px 0px； 浮动：左； 左外边距：-1px； 右边框：1px虚线＃a7b1b5； 左边框：1px实线＃a7b1b5； 显示：块； 宽度：69px； 高度：24px； 颜色：＃6e7476； font-weight：bold； 字体大小：12px； 文本转换：大写； 字体族：Arial，Helvetica，sans-serif; }
.fav_bar a，＃plus-one { 浮动：左； 右边框：1px虚线＃a7b1b5； 显示：块； 宽度：36px； 高度：32px； 文本缩进：-9999px； }
.fav_bar a.fav_de { 背景：url（../images/icons/de.gif）不重复0 0＃fff }
.fav_bar a.fav_de:hover { 背景：url（../images/icons/de.gif）不重复0 0＃e6e9ea }
.fav_bar a.fav_acm_digital { 背景：url（’../images/icons/acm_digital_library.gif’）不重复0px 0px＃FFF; }
.fav_bar a.fav_acm_digital:hover { 背景：url（’../images/icons/acm_digital_library.gif’）不重复0px 0px＃e6e9ea; }
.fav_bar a.fav_pdf { 背景：url（’../images/icons/pdf.gif’）不重复0px 0px＃FFF; }
.fav_bar a.fav_pdf:hover { 背景：url（’../images/icons/pdf.gif’）不重复0px 0px＃e6e9ea; }
.fav_bar a.fav_more .at-icon-wrapper { 高度：33px！important; 宽度：35px！important; 填充：0！important; 右边框：none！important; }
.a2a_kit { 行高：24px！important; 宽度：unset！important; 高度：unset！important; 填充：0！important; 右边框：unset！important; 左边框：unset！important; }
.fav_bar .a2a_kit a .a2a_svg { 左外边距：7px; 上外边距：4px; 填充：unset！important; }
以色列希伯来大学和哈佛大学的研究人员使用自动组织制备和新的机器学习重建算法，探索了常见章鱼的神经构造，定义了其学习过程。
研究人员设计了一种算法驱动的机器人系统，用于切割和分类章鱼垂直叶的数百个超薄神经网络截面，然后组装了网络结构组成的三维模型。
他们发现重建结果复制了动物的连接组，挑战了与学习和记忆相关的神经网络功能的根深蒂固的假设。
研究人员发现，垂直叶的网络中的2500万个互联神经元由简单的星形细胞和复杂的星形细胞组成，通过突触增强学习视觉特征，并巩固活动水平。 来源：耶路撒冷邮报（以色列）查看完整文章
摘要版权所有 © 2023 SmithBucklin，华盛顿特区，美国