第一篇：創(chuàng)新實驗：膈肌的運動教案

中學生物教師實驗創(chuàng)新大賽

實驗課題名稱：模擬膈肌的運動 參賽教師：城步二中

陳善龍

一、實驗在教材中所處的地位和作用

模擬膈肌的運動是七年級下冊《生物學》第三章第二節(jié)：發(fā)生在肺內的氣體交換的一個演示實驗。本節(jié)是這一章也是這一冊的教學難點，尤其是肺與外界氣體交換的原理比較抽象，學生難懂。通過這一模擬實驗，很直觀的體現(xiàn)出肺與外界氣體交換的原理是呼吸肌有規(guī)律的收縮和舒張使胸廓容積擴大和縮小。

二、實驗原型及不足之處

實驗原型：

1、玻璃罩模擬胸廓

2、Y型玻璃管模擬氣管和支氣管

3、氣球模擬肺

4、橡皮膜模擬膈肌 不足之處：

1、帶橡膠塞的無底玻璃罩難以找到。

2、玻璃罩是剛性物體，不能模擬胸廓前后、左右徑的變化與呼氣和吸氣之間的關系。

3、玻璃罩壁很滑，不好固定橡皮膜，易滑落。

4、實驗室的Y型玻璃管大而短，很難找到與之匹配的玻璃罩。

三、實驗創(chuàng)新和改進之處

創(chuàng)新之處：

1、用飲料瓶代替玻璃罩

2、用輸液管改裝成一個Y型膠管代替 Y型玻璃管

3、氣球膜代替橡皮膜

改進后的裝置：

1、飲料瓶模擬胸廓

2、Y型膠管模擬氣管和支氣管

3、小氣球模擬肺

4、氣球膜模擬膈肌 優(yōu)點：

1、飲料瓶易改裝，易固定橡皮膜，而且不會滑落，同時也解決材料難找的問題。

2、輸液管容易獲取，也容易改裝成Y型管，解決了Y型玻璃管與飲料瓶不匹配的問題。

3、整個裝置取材容易、輕巧、攜帶方便。

四、實驗原理

肺富有彈性，當膈肌收縮時，膈頂下降，胸廓容積變大，肺擴張，肺內氣壓下降，外界氣體吸入肺，是吸氣過程。膈肌舒張，膈頂上升，胸廓容積縮小，肺回縮，肺內氣壓增大，氣體被呼出，是呼氣過程。從而得出胸廓容積的變化與呼吸運動的關系。

五、實驗器材

飲料瓶一個、大氣球一個、小氣球兩個、小剪刀、細線、輸液管一根

六、實驗步驟

1、在飲料瓶靠近凹槽的地方將底部剪掉（保持切口平整和光滑，以免刺破氣球膜），然后套上氣球膜。

2、將輸液管改裝成一個Y型膠管，將分叉的兩管分別插入氣球內，用細線系緊。

3、用剪刀尖端在飲料瓶蓋中央鉆個小孔，剛好能插入Y型管的另一端，和氣球一起塞入瓶內，蓋好瓶蓋。

七、實驗現(xiàn)象及分析

1、向上推氣球膜，氣球變小。相當于膈肌舒張，膈頂上升，胸廓容積 變小，肺內氣壓上升，氣體出肺，這時呼氣。

2、放松氣球膜，氣球變大。相當于膈肌收縮，膈頂下降，胸廓容積變大，肺內氣壓下降，氣體入肺，這時吸氣。

3、用手擠瓶壁，氣球變小。相當于肋間肌舒張，肋骨向下向內運動，胸廓前后徑(或左右徑）變短，胸廓容積變小，肺內氣壓上升，氣體出肺，這時呼氣。

4、放松，氣球變大。相當于肋間肌收縮，肋骨向上向外運動，胸廓前后徑（或左右徑）變長。胸廓容積變大，肺內氣壓下降，氣體入肺，這時吸氣。

八、自我評價

1、實驗現(xiàn)象明顯，能直觀的表示胸廓容積的變化與呼吸運動的關系,讓學生明白是因為

胸廓擴大（或縮?。е挛鼩猓ê魵猓皇且驗槲鼩猓ɑ蚝魵猓┖笫剐乩獢U大（縮小)。

2、所需實驗器材少，易獲取，制作簡單，學生可以獨立在課后完成。

3、實驗成本低，綠色環(huán)保，無毒無污染；過程安全，無危險隱患。

第二篇：運動解剖學教案10軀干肌、頭頸肌

第十課時 軀干肌、頭頸肌

教學目的與要求：

1.了解軀干肌肉的分類和名稱，了解頭頸肌的名稱； 2.掌握運動脊柱和胸廓的肌肉名稱； 3.掌握軀干大塊肌肉的位置和功能。

重點難點：

1.運動脊柱和胸廓的肌肉名稱。2.軀干大塊肌肉的位置和功能。

教學方法：講解法與多媒體教學法相結合 教學時數(shù)：2 教學過程：

軀干肌

軀干肌指附著在軀干骨上的肌肉,大多扁而闊。按部位分為頸肌、背肌、胸肌、腹肌、膈肌和會陰肌。

一、運動脊柱的肌群

(一)伸脊柱肌群:有斜方肌、夾肌、豎脊肌、橫突棘肌和背短肌等。下固定收縮時，使脊柱伸，完成擲界外球、負重體屈伸等展體動作；上固定收縮時，完成單杠或吊環(huán)的后擺浪動作；無固定收縮時，完成俯臥臂腿上振或挺身式跳遠騰空動作等。

1、夾?。何挥谛狈郊?、菱形肌等深面、上位的胸椎和頸椎兩側。起于第3頸椎以下至第6胸椎的棘突，纖維向外上行，止于上3頸椎橫

突和顱底。下固定時，一側收縮使頭頸向同側屈和回旋，兩側同時收縮使頭頸后伸。

2、豎脊?。何挥诩粌蓚龋憎竟堑斤B底。分為棘肌、最長肌和髂肋肌三部分。

起點：骶骨背面，髂棘后部、腰椎棘突和胸腰筋膜。止點：頸椎和胸椎的棘突、橫突、顳骨乳突和肋骨的肋角。機能：下固定時，兩側收縮，使頭和脊柱伸，一側收縮，使脊柱側屈；上固定時，兩側收縮，使脊柱后伸并帶動下肢后擺，一側收縮，使脊柱側向運動，完成鞍馬上的側擺運動。

采用提拉杠鈴、負重體屈伸和俯臥臂腿上振等練習，可發(fā)展伸脊柱肌群的力量；屈體運動可發(fā)展其伸展性。

（二）屈脊柱肌群：有胸鎖乳突肌、腹直肌、腹外斜肌、腹內斜肌和髂腰肌等。下固定，兩側同時收縮，可使脊柱屈帶動頭和上肢向前運動，如仰臥起坐等，一側收縮可使脊柱側屈；上固定收縮，可使脊柱屈并帶動下肢向前運動，如懸垂舉腿、雙杠和吊環(huán)的前擺浪等動作；無固定時收縮，可完成仰臥兩頭起動作。

1、胸鎖乳突?。何挥陬i部兩側，起于胸骨柄和鎖骨胸骨端，止于顳骨乳突。下固定時，一側收縮使頭頸向同側屈，頭向對側轉；兩側同時收縮時，若肌拉力線通過寰枕關節(jié)額狀軸前方，則使頭頸前屈；若肌拉力線通過寰枕關節(jié)額狀軸后方，則使頭頸后伸。上固定時收縮，可提肋助吸氣。

2、腹直肌：位于腹前壁正中線兩側的腹直肌鞘內，形狀扁而長，被3—4條腱劃分為多個肌腹。

起點：恥骨上緣。止點：胸骨劍突和5—7肋。

機能：下固定時，一側收縮，使脊柱向同側屈，兩側同時收縮，使脊柱前屈，并可降肋助呼氣；上固定時，一側收縮使同側脊柱和骨盆側屈并帶動下肢側擺；兩側收縮使骨盆后傾。無固定收縮時，使胸廓下口和骨盆上口互相靠近，完成仰臥兩頭起。

3、腹外斜肌：位于腹壁前外側面淺層。起于第5—12肋外面，纖維向前內下方行，一部分止于髂棘，大部分纖維于腹直肌外緣移行為腱膜并構成腹直肌鞘。腱膜下緣卷曲增厚形成腹股溝韌帶，架在髂前上棘和恥骨結節(jié)之間；其余大部分腱膜于腹正中線與對側纖維交錯，形成腹白線。

腹外斜肌機能，除上固定單側收縮使骨盆和脊柱向同側側屈并轉動；下固定單側收縮使脊柱向同側屈向對側轉動與腹直肌不同外，其余機能與腹直肌相同。

4、腹內斜肌：位于腹外斜肌深面，起于胸腰筋膜、髂棘和腹股溝韌帶外側，大部分纖維向內前上方行，在腹直肌外緣移行為腱膜，參與構成腹直肌鞘前、后壁和腹白線。其余部分纖維止于10—12肋。腹內斜肌下固定時，一側收縮時脊柱向同側屈和轉動（這時，它與對側的腹外斜肌共同完成向同側的轉體運動）；上固定時，一側收縮時骨盆和脊柱向同側屈和向對側轉動。其余機能與腹直肌和腹外斜肌相同。

采用仰臥起坐、懸垂舉腿、仰臥兩頭起、負重體側屈、負重轉體等練習，可以發(fā)展屈脊柱肌的力量；做體操“橋”可發(fā)展其伸展性。

（三）側屈脊柱的肌群:有同側屈、伸脊柱的肌群----胸鎖乳突肌、腹直肌、腹外斜肌、腹內斜肌、斜方肌、夾肌、豎脊肌、提肩胛肌、橫突棘肌以及腰方肌、髂腰肌等協(xié)同工作。在下固定時收縮，使脊柱向同側側屈，并帶動頭和上肢向該側方向運動，完成側手翻等動作；上固定時收縮，使脊柱向同側屈，并帶動骨盆和下肢向該側方向運動，完成鞍馬上的側擺腿動作。

（四）使脊柱回旋的肌群：主要由同側的腹內斜肌、肩胛提肌、夾肌、斜方肌和對側的腹內斜肌、胸鎖乳突肌、前鋸肌等在下固定時，協(xié)同收縮實現(xiàn)，如投擲標槍或手榴彈等的轉體動作等。

（五）使脊柱環(huán)轉運動的肌群：由屈脊柱肌、側屈脊柱肌和伸脊柱肌依次收縮完成。在下固定（骨盆和下肢固定）時，上述各肌群輪替收縮，以脊柱下端為錐尖，脊柱上端劃圓，完成甩腰動作；在上固定（上肢和肩帶固定）時上述各肌群輪替收縮，形成錐尖向上的圓錐運動，如單杠懸垂時的軀干繞環(huán)動作。

二、運動胸廓的肌群

吸氣時，胸廓各徑擴大；呼氣時，胸廓各徑縮小。使胸廓擴大的稱吸氣??；使胸廓縮小的稱呼氣肌。

（一）吸氣肌群：能使胸廓擴大的肌肉有兩類，一類專司呼吸，不參與身體其他運動，又稱固有呼吸肌，有膈、肋間外肌、肋間內肌等；

另一類主要參加身體運動，但又有提肋助吸氣的功能，稱輔助吸氣肌，如胸大肌、胸小肌、背闊肌、前鋸肌、胸鎖乳突肌等。

（二）呼氣肌群：有肋間外肌、肋間內肌、胸橫肌、腹橫肌等，此外，腹外斜肌、腹內斜肌、腹直肌、腰方肌等，下固定收縮時有降肋助呼氣作用，稱輔助呼氣肌。

頭頸肌

一、頭肌

（一）表情肌

表情肌屬于皮肌，分布在眼、口、鼻等周圍，如額肌、眼輪匝肌、口輪匝肌、鼻肌、耳廓肌等。

（二）咀嚼肌

咀嚼肌主要有咬肌和顳肌，它們的一端止于下頜骨，收縮時活動下頜骨，產生咀嚼運動。

二、頸肌

胸鎖乳突肌起于胸骨柄和鎖骨胸骨端，止于顳骨乳突。當下固定時，一側收縮，使頭向同側傾斜，頭轉向對側；兩側收縮時，使頸段脊柱屈，并根據(jù)肌拉力線經(jīng)過寰枕關節(jié)額狀軸的前方或后方，決定頭屈或伸。上固定時，可上提胸廓，輔助吸氣。

作業(yè)：

寫出下列肌肉的位置、起止點和功能：肱二頭肌、斜方肌、背闊肌、肌直肌、胸大肌、腹直肌、股二頭肌。

第三篇：表面肌電信號實驗手冊總結

實驗

基于sEMG時域特征特的動作識別

一、實驗目的

1.了解肌電信號常用的時域分析方法；

2.利用MATLAB對肌電信號進行去噪、特征提取及動作識別；

二、實驗設備

1.Wi-Fi表面肌電信號采集卡；

2.32位Windows XP臺式機（Matlab 7.0軟件）； 3.802.11b/g無線網(wǎng)卡；

三、實驗內容

（1）學習信號的基本去噪方法，并用MATLAB實現(xiàn)；

（2）學習肌電信號常用的時域特征并利用Matlab來進行波形長度（WL）符號改變數(shù)（SSC）、過零點（ZC）、威爾遜賦值（WAMP）等特征的提?。?/p>

（3）學習神經(jīng)網(wǎng)絡信號處理方法，掌握BP神經(jīng)網(wǎng)絡的用法，將其用于肌電信號的動作識別。

學習以上三個部分，最終完成一整套肌電信號去噪、特征提?。ㄟx取一種特征）、基于特征的動作識別的MATLAB程序。

四、實驗原理

（1）小波去噪

小波去噪方法是一種建立在小波變換基礎上的新興算法，基本思想是根據(jù)噪聲在不同頻帶上的小波分解系數(shù)具有不同強度分布的特點，將各頻帶上的噪聲對應的小系數(shù)去除，保留原始信號的小波分解系數(shù)，然后對處理后系數(shù)進行小波重構，得到純凈信號。

小波去噪的基本原理圖如下

《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

（2）特征提取

時域分析是將肌電信號看成均值為零，而方差隨著信號強度的變化而變化的隨機信號。時域特征的計算復雜度低，提取比較方便。

最常用的方法有：方差，過零點數(shù)（Zero Crossing, ZC），Willison幅值（Willison Amplitude, WAMP），絕對值平均值(Mean Absolute Value, MAV）和波形長度（Wave length，WL）等。在實際應用中，為了讓特征可以包含更多的信息，往往選擇用不同的時域特征組合形成聯(lián)合特征向量。我們主要介紹一下幾種方法：

過零率（ZC）：為波形通過零線的次數(shù),從一定程度上反映了信號的頻率特性。為了降低零點引入的噪聲，往往會引入一個閾值δ。計算方式如下：

sgn(?xk?xk?1),(xk?xk?1??)

（1）

Willison幅值：是由Willison提出一種對表面肌電信號的幅值變化數(shù)量進行計算的方法，經(jīng)過后人的研究，對Willison幅值的閾值有了明確的范圍限定，目前認為50~100?V 是最合適的閾值范圍。其數(shù)學表示公式如公式（3-3）。

WAMP??fxi?xi?1t?1N（2）

?1f(x)???0其中：ifx?閾值otherwise

波形長度（WL）：它是對某一分析窗中的波形長度的統(tǒng)計，波長可以體現(xiàn)該樣本的持續(xù)時間、幅值、頻率的特征。

1N?1WL??x(i?1)?x(i)Ni?1

（3）

符號改變斜率（SSC）：為信號的的頻率性能提供了一些附加信息，對于3個連續(xù)的采樣點，給定閾值ω，通過下面的公式計算波峰波谷的個數(shù)。?xi?xi?1???xi?xi?1???,?i?1,?,N?

（4）

（3）神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡又稱誤差反向傳播（Back Propagation），它是一種多層的前向型神經(jīng)網(wǎng)絡。在BP網(wǎng)絡中，信號是前向傳播的，而誤差是反向傳播的。所謂的反向傳播是指誤差的調整過程是從最后的輸出層依次向之前各層逐漸進行的。標準的BP網(wǎng)絡采用梯度下降算法，與Widrow-Hoff學習規(guī)則相似，網(wǎng)絡權值沿著性能函數(shù)的梯度反向調整。《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

前向型神經(jīng)網(wǎng)絡通常具有一個或多個由sigmoid神經(jīng)元構成的隱層，以及一個由線性神經(jīng)元構成的輸出層。多個具有非線性傳遞函數(shù)的神經(jīng)元層使得網(wǎng)絡可以學習輸入和輸出之間的非線性關系，而線性輸出層使得網(wǎng)絡可以產生[-1，+1]之外的輸出值。

輸入p1隱層輸出層a3?ya1IW1,1IW2,1+b1b2+a1?tansig(IW1,1p1?b1)a2?purelin(IW2,1a1?b2)

由兩層神經(jīng)元構成的BP網(wǎng)絡結構

（1）BP網(wǎng)絡的訓練算法

① BP算法

BP算法沿著誤差函數(shù)減小最快的方向，也就是梯度的反方向改變權值和偏差，這一點與線性網(wǎng)絡的學習算法是一致的。BP算法的迭代計算公式可以表示為：

xk?1?xk?akgk

（1）

其中，xk代表當前權值和偏差，xk?1代表迭代產生的下一次的權值與偏差，gk為當前誤差函數(shù)的梯度，ak代表學習速率。

② 有動量的梯度下降算法

標準的梯度下降法在調整權值時，僅僅按照當前時刻的負梯度方向進行調整，并沒有考慮以前各次運算步驟中的梯度方向，因此新的樣本對迭代過程影響太大，可能會導致訓練過程中調整方向發(fā)生震蕩，導致不穩(wěn)定和收斂速度慢的問題，有動量的梯度下降算法則考慮了往前時刻的貢獻，其權值迭代算法為：

wij(n?1)?wij(n)??[(1??)D(n)??D(n?1)

（2）

其中，D(n),D(n?1)分別表示n時刻，n-1時刻的負梯度。由于加入了以前時刻梯度的貢獻，相當于給迭代過程添加了一個低通濾波器，使得網(wǎng)絡忽略誤差 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

曲面上細節(jié)特征，避免了陷入局部極小點的問題。

③ 共軛梯度算法

盡管標準的BP算法采用梯度下降算法，權值和偏差沿誤差函數(shù)下降最快的方向調整，但卻并不一定是收斂最快的算法。在改進的BP訓練算法中，有一大類的算法稱為共軛梯度算法。在這一類算法中，權值和偏差沿著共軛梯度方向進行調整，通常能夠獲得比標準的梯度算法更快的收斂速度。

共軛梯度算法的第一次迭代都是從最陡下降的梯度方向開始。梯度向量為：

p0??g0

（3）

沿著此方向進行權值和偏差的調整，公式為：

xk?1?xk?akgk

（4）

下一次搜索方向則由前兩次搜索方向的共軛方向決定，表達式為：

pk??gk??kpk?（5）

對于系數(shù)?k不同計算方法產生不同的共軛梯度算法。a）F-R共軛梯度算法采取的系數(shù)確定方法為：

Tgkg?k?Tk

（6）

gk?1gk?1即本次迭代梯度相對于上一次迭代梯度的歸一化值。b）P-R共軛梯度算法采取的系數(shù)確定方法為：

T?gkg?k?T?1k

（7）

gk?1gk?1即上次迭代梯度與本次迭代梯度的內積對本次梯度的歸一化值。c）Scaled共軛梯度算法

到目前為止，討論過的所有共軛梯度算法都需要在每一步迭代過程中對搜索方向進行計算，這樣的計算量是比較大。對此moller提出了Scaled梯度搜索算法[4]，在每一步迭代過程中不計算搜索方向，以減少訓練過程的計算量。其基本原理是利用下面介紹的L-M算法與共軛梯度法相結合產生的。

④ L-M算法

L-M算法其權值和閾值的更新過程為：

xk?1?xk?[JTJ??I]?1JTe

（8）《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

其中，e為期望輸出與實際輸出的誤差；J為誤差對權值微分的Jacobi矩陣；?為標量因子。如果訓練成功，誤差性能函數(shù)減小，那么就減小?的值；反之就減小其值。

五、實驗步驟

1.認真閱讀本實驗的原理與方法。

2.利用MATLAB實現(xiàn)對肌電信號的去噪、特征提取及動作識別。（1）小波去噪 load 'sample_test.mat';load 'sample_train.mat';%%%%%%%%%%

Window=256;%分析窗口的長度

M=512;

%采集數(shù)據(jù)時一個data的樣本數(shù) Channel=4;%采集數(shù)據(jù)的通道數(shù) Class=6;%類別數(shù)

Number=10;%每個類別的個數(shù) WinLap=64;%窗口移動的間隔

JudgeTime=Window/WinLap;%一個分析窗口需要移動的次數(shù)Count=M*Number*Class/WinLap-Window/WinLap+1;%所有數(shù)據(jù)需要分析的次數(shù)

477 ClassCount=M*Number/WinLap-Window/WinLap+1;%一類數(shù)據(jù)需要的分析次數(shù)

GapCount=M*Number/WinLap;

%訓練樣本兩類動作之間的間隔

ClassOne=1;ClassTwo=2;ClassThree=3;ClassFour=4;

參數(shù)說明 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

ClassFive=5;ClassSix=6;

%thr=0.2;%%%%%

train

樣

本

小

波

去噪 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% for i=1:Channel

x=sample_train(:,i);

[thr,sorh,keepapp]=ddencmp('den','wv',x);

[c,l]=wavedec(x,3,'db1');

a3=appcoef(c,l,'db1',3);

d3=detcoef(c,l,3);

d2=detcoef(c,l,2);

d1=detcoef(c,l,1);

s4=wdencmp('gbl',c,l,'db1',3,thr,sorh,keepapp);

new_train(:,i)=s4;end figure(1)subplot(4,1,1);plot(sample_train(:,1),'r');hold on;plot(new_train(:,1),'b');legend('原始信號','去噪后信號');title('train樣本濾波前后信號對比');subplot(4,1,2);plot(sample_train(:,2),'r');hold on;plot(new_train(:,2),'b');subplot(4,1,3);plot(sample_train(:,3),'r');hold on;plot(new_train(:,3),'b');subplot(4,1,4);plot(sample_train(:,4),'r');hold on;plot(new_train(:,4),'b');

train樣本去噪前后的信號對比如下圖所示 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

仿照對train樣本進行小波去噪的方法，寫出利用MATLAB對test樣本進行小波去噪的程序。

（2）特征提取 clear all;close all;load 'sample_train.mat';%%%%% 參數(shù)說明 %%%%%%

Window=256;%分析窗口的長度

M=512;

%采集數(shù)據(jù)時一個data的樣本數(shù) Channel=4;%采集數(shù)據(jù)的通道數(shù) Class=6;%類別數(shù)

Number=10;%每個類別的個數(shù) WinLap=64;%窗口移動的間隔

JudgeTime=Window/WinLap;%一個分析窗口需要移動的次數(shù)

Count=M*Number*Class/WinLap-Window/WinLap+1;%所有數(shù)據(jù)需要分析的次數(shù) CountClass=M*Number/WinLap-Window/WinLap+1;%一類數(shù)據(jù)需要的分析次數(shù) CountGap=M*Number/WinLap;

%訓練樣本兩類動作之間的間隔 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

%%%%% 求波長

%%%%%%%%%%%%%% sample=sample_train;%接口 WL=zeros(Channel,Count);for c=1:Count

for n=1:Channel

for w=1:Window-1

WL(n,c)=WL(n,c)+abs(sample((c-1)*WinLap+w,n)-sample((c-1)*WinLap+w+1,n));

end

end end

Feature_train=WL;仿照求WL（波長）特征的程序，任選其他一種特征，寫出MATLAB程序。注意，train樣本和test樣本都需要做特征提取。將最終求得的train和test樣本的特征存入feature.mat。

（3）動作識別 clear all;close all;load 'feature.mat' Gap=80;K=77;Count=477;%共有477組特征值 P=6;%6類動作

Feature=Feature_test;%統(tǒng)一接口 test=Feature_train;%統(tǒng)一接口

net=newff(minmax(Feature),[5,6],{'tansig','purelin'},'trainlm');

%net = newff(A, B, {C} ,‘trainFun’)% % 參數(shù)： %

% A：一個n×2的矩陣，第i行元素為輸入信號xi的最小值和最大值； % B：一個k維行向量，其元素為網(wǎng)絡中各層節(jié)點數(shù)； 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

% C：一個k維字符串行向量，每一分量為對應層神經(jīng)元的激活函數(shù)；常用的有： % 線性函數(shù)’purelin’，對數(shù)S形轉移函數(shù)’logsig’ 雙曲正切S形函數(shù) ’ tansig’ % trainFun ：為學習規(guī)則采用的訓練算法。也可以根據(jù)需要修改

%設置訓練的輸出目標矩陣 ze1=zeros(1,Gap)+1;ze0=zeros(1,Gap);ze1_6=zeros(1,K)+1;ze0_6=zeros(1,K);t=[ze1 ze0 ze0 ze0 ze0 ze0_6

ze0 ze1 ze0 ze0 ze0 ze0_6

ze0 ze0 ze1 ze0 ze0 ze0_6

ze0 ze0 ze0 ze1 ze0 ze0_6

ze0 ze0 ze0 ze0 ze1 ze0_6

ze0 ze0 ze0 ze0 ze0 ze1_6];

%神經(jīng)網(wǎng)絡進行訓練 tic;

net.trainParam.show=200;

net.trainParam.epochs=10000;

net.trainParam.goal=0.01;

net.trainParam.lr=0.01;

[net,tr]=train(net,Feature,t);

Y=sim(net,Feature);

YS=sim(net,test);

toc;

% 一些重要的網(wǎng)絡配置參數(shù)如下： %

%

%

% net.trainparam.goal ：神經(jīng)網(wǎng)絡訓練的目標誤差 net.trainparam.show

： 顯示中間結果的周期 net.trainparam.epochs ：最大迭代次數(shù) net.trainParam.lr

： 學習率 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

% 語法：[ net, tr ] = train(net, X, Y)%

%

%

%

%

% 語法：Y=sim(net,X)%

%

數(shù) %

%判斷輸出結果為第幾類

maxY=max(Y,[],1);

for i=1:Count

for j=1:P

if(maxY(i)==Y(j,i))class(i)=j;end

end

end

maxYS=max(YS,[],1);

for i=1:Count

for j=1:P

if(maxYS(i)==YS(j,i))class_test(i)=j;end

end

end T=Gap;%80 wrong=zeros(1,Count);for k=1:Gap

if(class_test(k)~=1)

wrong(k)=wrong(k)+class_test(k);end

if(class_test(k+T)~=2)

wrong(k+T)=wrong(k+T)+class_test(k+T);end 參數(shù)：

X：網(wǎng)絡實際輸入 Y：網(wǎng)絡應有輸出 tr：訓練跟蹤信息 Y1：網(wǎng)絡實際輸出

net：網(wǎng)絡

X：輸入給網(wǎng)絡的Ｋ×N矩陣，其中K為網(wǎng)絡輸入個數(shù)，N為數(shù)據(jù)樣本Y：輸出矩陣Q×N，其中Q為網(wǎng)絡輸出個數(shù) 《生理信號采集與分析處理平臺實驗指導》-武漢理工大學信息工程學院

if(class_test(k+2*T)~=3)

wrong(k+2*T)=wrong(k+2*T)+class_test(k+2*T);end

if(class_test(k+3*T)~=4)

wrong(k+3*T)=wrong(k+3*T)+class_test(k+3*T);end

if(class_test(k+4*T)~=5)

wrong(k+4*T)=wrong(k+4*T)+class_test(k+4*T);end

end for k=1:K

if(class_test(k+5*T)~=6)

wrong(k+5*T)=wrong(k+5*T)+class_test(k+5*T);end end wrongall=sum(wrong);figure(1);i=1:Count;plot(i,class_test(i),'ob');hold on;%stem(i,class(i),'b');plot(i,wrong(i),'or');legend('正確的類別','錯誤的類別');title('分類結果');accuracy=1-wrongall/Count%分類準確率

最終的識別結果如下圖所示?！渡硇盘柌杉c分析處理平臺實驗指導》-武漢理工大學信息工程學院

改變BP網(wǎng)絡隱含層節(jié)點數(shù)以及初始化各層之間的權值和閾值，可以提高最終的識別率。

第四篇：化學實驗創(chuàng)新教案

課題：人體吸入空氣和呼出氣體中二氧化碳含量探究實驗的改進

長沙縣干杉鄉(xiāng)干杉中學 盛晶呈

一、實驗在教材中所處的地位和作用

本實驗出現(xiàn)在九年級化學上冊第一單元《走進化學世界》的課題2：“化學是一門以實驗為基礎的科學”中，其目的在于激發(fā)學生對化學學習的興趣。在前一課對蠟燭燃燒簡單的實驗探究中，初步學會了對實驗現(xiàn)象進行觀察與描述之后，緊接著提出“人體吸入的空氣和呼出的氣體有什么不同”的探究問題，第一次去嘗試獲取知識的重要方式——進行科學探究。通過對比實驗，加強學生對現(xiàn)象的描述、分析、科學的表述探究所得結論的能力，從中體驗科學探究的過程和方法。學好本節(jié)內容，為以后學習空氣的相關知識打下基礎，也為學生今后樹立良好的學習方法開了個好頭。

二、實驗原型及其不足之處

教材中采用的方法是：使用排水集氣法來收集呼出氣體的樣品，然后使用澄清石灰水來檢驗樣品與空氣中二氧化碳含量的差異。

實驗原型的不足之處在于：

1、當氣體與水反應（廣義上也可以叫溶于水）時，如三氧化硫、二氧化硫、二氧化碳等氣體，用排水法將會是這些氣體部分溶解，尤其在我們的實驗目的是比較呼出氣體和空氣中二氧化碳的含量時，部分溶解的二氧化碳會導致實驗失去準確性。

2、在之后的第六單元《課題2：二氧化碳制取的研究》和《實驗活動2：二氧化碳的實驗室制取與性質》中，明確強調二氧化碳不可使用排水集氣法收集，中考中也將二氧化碳的收集作為考點。

為了保證學生對于知識點的準確掌握，需要對此實驗進行改進。

三、實驗創(chuàng)新與改進之處

1、去除“收集空氣樣品和呼出氣體樣品”這一步驟

2、用玻璃管和廣口瓶的組裝儀器，直接將空氣和呼出氣體利用氣壓通入澄清石灰水中，避免收集時產生的損耗，同時能使學生更為直觀地看到“氣體被通入澄清石灰水中”的現(xiàn)象，避免出現(xiàn)諸如“空氣到底有沒有和澄清石灰水發(fā)生反應”的疑問，同時現(xiàn)象對比更加明顯，有助于學生觀察和記錄實驗結果。

四、實驗器材和藥品

器材：廣口瓶x2，雙孔橡膠塞x2，玻璃管x4，Y形管x1，橡膠管x2 藥品：澄清石灰水

五、實驗原理

利用簡單的氣體壓強原理，吸氣使空氣進入澄清石灰水中，呼氣直接吹入澄清石灰水。

六、實驗操作過程

1,、如圖裝配好實驗儀器，向兩個廣口瓶中均加入澄清石灰水沒過較長玻璃管下緣；

2、檢驗空氣中二氧化碳含量：捏住右邊橡膠管，松開左邊橡膠管，向Y形管中吸氣，利用大氣壓將空氣壓入澄清石灰水中；

3、檢驗呼出氣體中二氧化碳含量：捏住左邊橡膠管，松開右邊橡膠管，向Y形管中吹氣通入澄清石灰水中。

七、實驗效果

1、捏緊右邊橡膠管吸氣時，明顯可以觀察到澄清石灰水中出現(xiàn)氣泡，證明空氣直接進入了澄清石灰水中，靜候片刻，無其他明顯現(xiàn)象，說明空氣中二氧化碳含量較低；

2、捏緊左邊橡膠管呼氣時，澄清石灰水中同樣出現(xiàn)大量氣泡，證明呼出的氣體全部進入石灰水中；澄清石灰水很快變渾濁，說明呼出氣體中二氧化碳含量高。

八、自我評價

實驗器材方面：經(jīng)過改進，實驗用具變得略為繁瑣，但是一套儀器組裝好之后可以重復利用，有效減小了實驗的局限性，同時操作變得更為簡單易行；

實驗操作方面：由于無需再收集氣體樣品，免去了傳統(tǒng)實驗前的大量準備工作，在實驗中也無需擔心空氣濕度二氧化碳溶解等不利條件的影響，使操作更加簡便安全；

實驗效果方面：兩個廣口瓶中的澄清石灰水變化差異非常明顯，有利于學生觀察。

綜上所述，我認為所做的實驗改進是有一定實際意義的、可操作的。

第五篇：生物實驗創(chuàng)新教案

觀察種子結構的實驗改進

崔家橋中學 滕婷

一、實驗在教材中所處的的地位與作用

本實驗出自蘇教版七年級生物上冊第五章《綠色植物的一生》的一個觀察實驗。該實驗的目的通過觀察大豆種子的結構能夠描述出植物種子的主要結構。既培養(yǎng)了學生的實驗觀察操作能力，又為學好種子的萌發(fā)過程奠定了基礎。

二、實驗原型及不足之處

原實驗的實驗材料僅僅只有一種大豆種子，大豆種子只能代表雙子葉植物種子這一類種子的結構。書本對玉米、小麥、水稻等單子葉植物種子的結構，未設計實驗進行觀察，其實對學生了解種子的種類以及結構是不利的。

三、實驗創(chuàng)新與改進之處

將實驗材料換成了綠豆種子和玉米種子，學生可通過觀察綠豆和玉米種子的結構，比較單子葉植物和雙子葉植物的的異同。

四、實驗器材

浸泡過的綠豆種子和玉米種子、碘酒、刀片、放大鏡

五、實驗原理及裝置說明 淀粉遇碘變藍

六、實驗過程

1、分別取三粒綠豆種子和玉米種子，放置在吸水紙上

2、將一粒綠豆種子的種皮剝開；另外一粒綠豆種子剝去，并用手掰開的兩片子葉；

3、將一粒玉米種子的果皮剝開；另外一粒玉米種子用刀片進行縱切，并在剖面滴加碘液。

4、先用肉眼對種子的外形進行觀察，然后用放大鏡對種子的結構進行對比觀察。

七、實驗效果

1、通過觀察發(fā)現(xiàn)玉米種子一層皮即果皮剝去后，里面還有層皮，就是種皮，使學生親眼看到我們平時所說的玉米種子其實是果實。而綠豆只有一層皮即種皮，所以綠豆是種子。

2、通過對比觀察兩種種子的結構，了解到像玉米這種單子葉的植物和綠豆這種雙子葉植物的結構的異同。

八、自我評價 通過實驗創(chuàng)新改進，我認為是成功有效的，主要體現(xiàn)如下：

1、學生通過親眼觀察了解到我們食用的許多農產品有些是果實有些是種子。

2、通過增加對玉米種子的觀察，更加形象生動的補充了學生對種子的種類及結構差異性的漏缺。

3、更好的培養(yǎng)了學生的實驗觀察操作能力和學生處理信息、歸納總結的能力。