通过言语和非言语检索线索描绘睡眠中的记忆再激活茗创科技茗创科技
摘要
睡眠通过重新激活新形成的记忆痕迹来巩固记忆。研究睡眠中记忆再激活的一种方法是让睡眠中的大脑再次暴露于听觉检索线索(定向记忆再激活范式)。然而,记忆线索的声学特性在多大程度上影响定向记忆再激活的有效性,目前还没有得到充分探索。本研究通过探索言语和非言语记忆线索如何影响睡眠中与记忆再激活相关的振荡活动来解决这个问题。五十一名健康男性成年人学会了将视觉刺激与言语词汇(言语线索)和环境声音(非言语线索)相关联。然后,在睡眠期间重复播放言语和非言语记忆线索的子集。言语线索的声音要么与学习的线索匹配,要么不匹配。记忆线索(相对于未听过的控制线索)促进了θ/α和纺锤波功率的增加,这与睡眠相关的记忆加工有很大关系。此外,与非言语记忆线索相比,言语记忆线索与纺锤波功率的增加相关。匹配与不匹配的言语线索之间无显著差异。本研究结果表明,言语记忆线索可能是触发睡眠中记忆再激活最有效的方法,这一点可以通过纺锤波反应的增强来证实。
前言
睡眠有助于记忆巩固,即将信息保存在长期记忆中的过程。与睡眠相关的记忆增益最初被认为源于一种被动保护机制,即睡眠保护新获得的记忆免受觉醒的干扰。然而,近期研究表明,睡眠在离线记忆处理中也发挥着积极作用,例如依赖于海马体的记忆被反复再激活,并逐渐与新皮质中的先前表征相融合。
根据这一主动系统巩固框架,睡眠中的记忆加工依赖于慢波睡眠(SWS)的基本神经振荡之间的精细调节作用:<1Hz的新皮层慢波振荡(SOs),11-16Hz的丘脑皮层睡眠纺锤波和~80-100Hz的海马涟漪。嵌入SOs中的睡眠纺锤被认为将以涟漪的形式将重新激活的记忆单元聚集起来,以协调它们从海马体转移到新皮质进行长期储存。一些研究为这一观点提供了有力的支持,证明学习时观察到的大脑活动模式会在纺锤波期间再次出现,突显了纺锤波作为睡眠记忆再激活的候选神经标志物。
除了纺锤波、慢波和涟漪外,4-8Hz的θ节律也与夜间记忆巩固有关。主动系统框架的改进表明,在慢波睡眠期间,纺锤波和θ振荡协同作用以支持记忆再激活和稳定,其中θ活动代表新形成记忆的初始再激活,而纺锤波则标志着其后续的再加工和迁移到新皮质。
睡眠在离线记忆加工中的作用在很大程度上受到了记忆线索范式(即定向记忆再激活(TMR))的影响。在一项典型的TMR研究中,参与者在学习时将新记忆和声音相关联。然后,在SWS期间,其中一部分声音被重放以触发其相关联的记忆痕迹的再激活。大量研究表明,相对于未被提示的记忆,受到TMR提示的记忆在睡眠中的保留效果更好,这为记忆再激活是睡眠相关巩固的核心机制提供了因果证据。
除了记忆再激活的行为表现之外,TMR还为睡眠纺锤波和θ振荡在夜间巩固中的作用提供了重要证据。在人类中,在慢波睡眠期间传递的记忆提示会引发纺锤波活动的短暂增加,这种增加的幅度能够预测后续的记忆表现。TMR诱发的纺锤波活动增加通常会在θ活动激增之前出现,这与θ和纺锤波节律在离线记忆加工中发挥互补作用的观点一致。
尽管大多数TMR研究使用环境声音(例如狗叫声)作为记忆提示,但也有一些研究在睡眠期间使用言语刺激(即口头语言)。虽然目前对于言语和非言语线索提示的TMR效果是否有所差异的研究还很有限,但这仍然是一个重要问题:通过确定哪种类型的记忆提示对离线记忆加工产生最大影响,我们可以优化TMR协议并增强其在教育和医疗保健领域中的潜在效用。
在以往的研究中,我们比较了言语和非言语记忆线索对与睡眠相关巩固过程的影响。参与者在学习时将视觉刺激与口语单词(言语线索)或环境声音(非言语线索)相关联,然后在慢波睡眠期间重复播放这些刺激。虽然在慢波睡眠期间的线索提示改善了记忆保持效果,但这种行为改善的幅度在不同的言语和非言语线索提示条件下是非常相似的,这表明线索提示类型对TMR的记忆增强效果没有影响。
然而,我们之前研究中使用的行为测量指标(成对联想遗忘)可能不足以检测言语和非言语TMR提示的有效性差异。鉴于最近的证据表明,睡眠中的纺锤波活动提供了离线记忆回放的神经标记,因此睡眠纺锤波(以及其他与慢波睡眠中记忆再激活相关的神经振荡)可能提供了一个更可靠的方法来揭示睡眠大脑对不同类型记忆线索的反应性。
本研究对先前研究(Cairney等人,2017)获得的睡眠EEG数据进行了二次分析。该研究比较了言语和非言语记忆线索的TMR效果(实验1),以及听觉匹配和不匹配的言语记忆线索的影响(实验2)。由于本研究的TMR方案包括在学习时未呈现的言语和非言语控制刺激,因此我们可以分离出与睡眠中记忆再激活相关的时频响应(即记忆线索>控制线索)。本研究利用这些时频表征来考察睡眠中的大脑对言语或非言语记忆线索提示的反应性(即基于诱发的纺锤波/θ响应),并评估匹配线索和不匹配线索在行为上产生的差异影响是否伴随着不同的神经活动特征。
材料与方法
参与者
本研究分析了51名健康男性的数据(实验1:n=28,平均年龄±标准差=20.32±1.54;实验2:n=23,平均年龄±标准差=20.96±2.38)。筛选问卷显示参与者无睡眠障碍、神经或精神疾病史,不吸烟,也未使用任何精神活性药物。由于伦理委员会要求至少有一名实验者与在实验室过夜的参与者性别相同,所以只包括男性参与者。由于主要实验者是男性且独自完成工作,所以只能纳入男性参与者。按照本实验室的标准做法,要求参与者在研究开始前24小时内避免饮酒和咖啡因。匹兹堡睡眠质量指数显示,所有参与者在研究前一个月的睡眠模式均正常。所有参与者都提供了书面知情同意书,并且该研究获得了约克大学心理学系研究伦理委员会的批准。
程序
实验1
夜晚
实验程序如图1所示。参与者于晚上9:30(±30分钟)到达睡眠实验室,并接受睡眠脑电监测。他们被告知该研究是关于睡眠在记忆巩固中的作用,但未被告知TMR操作。训练包括两个配对联想任务,一个带有言语提示,另一个带有非言语提示(分别执行且顺序在参与者之间平衡)。这两个任务都包括学习阶段和测试阶段。在学习阶段,参与者将28个视觉呈现的单词与听觉刺激相关联。所有言语提示都以男性或女性的声音呈现(在参与者之间平衡)。在测试阶段,参与者会再次听到每个听觉刺激(言语或非言语),并被指示输入相关联的单词。如果参与者无法正确回忆起>60%的目标词,则重复训练。然后,参与者完成最后的睡前测试,在此测试中,评估了参与者对所有56个以随机顺序呈现的言语和非言语配对联想词汇的掌握程度(遵循与之前测试阶段相同的程序)。
图1.实验程序。
TMR线索
对于在最后的睡前测试中得分为正确的配对联想中,随机选择一半的言语线索和一半的非言语线索,并在慢波期间混合回放。另外两个在学习阶段没有出现过的控制线索提示(单词“surface”和吉他弹奏声)随机地穿插在记忆线索中。这些控制线索的播放次数与其对应的言语和非言语线索重播的次数相同,并且在TMR测试开始时(两个言语和两个非言语)播放,以确保参与者的睡眠在听觉刺激期间不会受到干扰。
整夜睡眠
大约在晚上11点左右熄灯。整晚播放白噪声以使参与者习惯听觉刺激(39dB)。在参与者出现至少2min的连续SWS(通过在线睡眠脑电图监测确定)后,开始TMR。记忆线索以5s的间隔播放,在回放每个线索时降低白噪声的强度以提高声音清晰度。由于参与者之间的记忆线索提示数量有所不同,因而在线索之间随机混合无刺激事件(即没有刺激的事件),以确保每轮TMR始终持续290s。TMR会在SWS的前两个周期中重复进行,每个周期之间间隔1min。如果参与者从SWS睡眠状态转换到其他睡眠阶段或清醒状态,或者出现微觉醒迹象,则提示会停止,但如果参与者重新回到SWS睡眠状态,则线索提示会重新开始。大约早上7点,参与者被叫醒,除非他们处于SWS或者快速眼动(REM)睡眠状态中,在这种情况下,将允许他们继续睡眠,直到他们醒来或进入N1或N2睡眠阶段。
实验2
实验2遵循与实验1相同的程序,不同之处在于训练和测试时均以男性声音提供言语线索,睡眠时以女性声音提供言语线索(言语线索训练和非言语线索训练达到标准所需的平均轮数分别为(1.39±0.12)和(1.74±0.09),t(22)=2.34;p=0.029)。
刺激
言语线索
本研究使用了来自南佛罗里达大学(USF)的35个单音节和双音节词汇(平均音节数为1.54±0.51)作为言语线索。这些词汇由两位不同的说话者录制,分别为一名男性和一名女性。男性和女性的录音持续时间相近(平均值±标准差:男性=769.29±104.95ms,女性=774.80±99.14ms,t(34)=0.49;P=0.63)。另外,从USF标准中选取了一个控制词汇(“surface”)作为言语控制线索(男性持续时间=990ms;女性持续时间=950ms)。选择一个抽象(而不是具体)的控制词是有意为之的,以确保它与言语记忆线索有所区别。
非言语线索
从先前的研究和http://freesound.org上选取了35个环境声音作为非言语线索。这些声音的长度与男性和女性版本的言语线索相似(平均持续时间±标准差=740.97±156.29,F(2,102)=0.76;P=0.47)。此外,还从Rudoy等人(2009)的研究中选取了吉他弹奏的声音(524ms),用作非言语控制线索。
视觉刺激
从USF标准中选取了70个单音节和双音节词汇,用作言语和非言语配对的视觉目标。每个词语都与言语和非言语的听觉线索进行配对,结果形成了两组包含35个言语配对的项目(言语A和言语B),以及两组包含35个非言语配对的项目(非言语A和非言语B)。在实验中,如果言语配对来自A组,那么非言语配对来自B组,反之亦然(在参与者之间平衡)。所有配对项目之间没有明显的语义联系。在35对言语/非言语配对项目中,3对用于练习试次,4对用于填充试次,剩下的28对刺激则用于主要任务。
设备
睡眠EEG
使用Embla N7000 PSG系统和RemLogic 3.4软件进行睡眠监测。按照国际10-20系统,将镀金电极连接到头皮,分别位于额部(F3和F4)、中央(C3和C4)和枕部(O1和O2)位置,并以双侧乳突(M1和M2)作为参考电极。连接左右眼电图电极和双侧颏下肌电图电极,同时在前额上加入接地电极。每个电极的连接阻抗均小于5kΩ,所有在线信号均以200Hz的采样率进行采集。使用中央电极(C3和C4)进行睡眠分期评分。
定向记忆再激活(TMR)
采用Presentation v17.0(eurobehavioral Systems,Inc.)实施TMR。听觉线索提示通过放置在床上方约1.5m处的扬声器播放,与放置在单独控制室中的放大器相连接。
EEG分析
所有脑电数据预处理和分析均在MATLAB 2019a版本中使用FieldTrip工具箱10/04/18版和EEGLAB 2023进行。
预处理
将睡眠脑电数据进行双侧乳突重参考(M1和M2的平均值),进行了49-51Hz的陷波滤波、0.5Hz的高通滤波,并进行分段(提示开始前-1到3.5s范围内)。使用FieldTrip的Databrowser函数,首先对数据进行目测检查以排除噪声通道(未发现)。然后使用FieldTrip的自动化伪迹拒绝函数(ft_artifact_zvalue)进行自动伪迹拒绝。在这一步骤中,使用滤波器和Z变换放大了15-32Hz的肌肉伪迹(伪迹两侧各有0.1s的填充),然后将其删除(两个实验中所有参与者被删除的试次为(平均±SD=3.96±2.26))。剩余伪迹通过FieldTrip的Databrowser进行目测检查,并进行手动剔除(两个实验中所有参与者的噪声试次均被剔除=4.14±5.23)。在分析之前,排除了不属于N2或SWS睡眠阶段的试次(两个实验中所有参与者被删除试次=7.55±10.84)。表1显示了伪迹拒绝和试次删除后每种条件下的试次数。
表1.每种条件下的TMR试次数。
时频分析
计算频率范围为4-30Hz的时频表征(TFRs)。使用自适应窗长(即窗长随频率增加而减小,如4Hz时为1.25s,5Hz时为1s等,依此类推),将数据在0.5Hz频率步长和5ms时间步长下与5周期汉宁锥进行卷积。将TFRs转换为相对于一个-0.3至-0.100s的提示前基线窗的功率变化百分比。选择该窗口是为了减轻刺激后活动对基线的污染,同时保持接近提示开始的时间。
事件相关电位
对于事件相关电位(ERPs),数据进行了0.5Hz的高通滤波和30Hz的低通滤波。对-0.2到0s的时间窗进行基线校正,以保持与提示开始的接近性。
纺锤波检测
使用基于小波的检测器在每个通道自动检测纺锤波。连续原始数据被重参考到双侧乳突(M1和M2的平均值),进行了49-51Hz的陷波滤波、0.5Hz的高通滤波,并使用复Morlet小波进行时频分解。小波的峰值频率设置为13.5Hz,带宽为3Hz(即12-15Hz的“快速”纺锤波范围)。采用阈值算法对提取的小波尺度(fun_sleep_spindles)进行纺锤波识别。每当小波信号超过信号中位数的九倍阈值并持续至少0.4s时,会检测到纺锤波。创建事件周期直方图来检查言语和非言语提示后纺锤波事件的发生时间。每个检测到的纺锤波根据其相对于提示起始点(t0)的峰值振幅被分成0.5 s的时间分段(T1:0-0.5s,T2:0.5-1s,T3:1-1.5s,T4:1.5-2s,T5:2-2.5s)。
结果
记忆线索和控制线索
首先,本研究考察了睡眠大脑对记忆线索(图2a)和控制线索(图2b)的反应。观察到记忆线索的时频表征(TFR)与控制线索存在显著差异(P<0.05,图2c)。这些簇显示,大约在0.3-0.9s时(F3和C3:dz=0.56,F4和C4:dz=0.48),两个半球的θ/α(约4-11.5Hz)功率均增加,随后在大约0.8-1.7s时(F3和C3:dz=0.51,F4和C4:dz=0.53),纺锤波/β(约10.5-20Hz)功率也增加了。此外,在两个半球(约1.8-2.5s,F3和C3:dz=-0.39,F4和C4:dz=-0.46)中,较宽的纺锤波/β频段(~12-26Hz)中随后出现了功率下降,尽管这与控制线索中纺锤波功率的增加相对应。由于纺锤波与慢振荡之间的耦合被认为与记忆巩固有关,因此本研究考察了慢振荡与纺锤波之间的相位-幅值耦合。然而,记忆线索和控制线索条件之间没有显著差异。
图2.记忆线索和控制线索。
值得注意的是,记忆线索ERP(图2a)显著高于控制线索ERP(图2b,p<0.05),在约0.4-0.7s(负向,dz=-0.70)、约0.9-1.3s(正向,dz=0.59)和约1.4-1.8s(负向,dz=-0.64)处有三个聚类。因此,记忆线索和控制线索之间在时频响应上的任何差异都可归因于习惯化(因为控制线索始终相同,而记忆线索包含广泛的言语和非言语刺激)。然而,对TMR窗口前半段和后半段的时频表征(记忆线索>控制线索)分别进行的分析(习惯化效应可能在后半段更强)显示了高度相似的模式,这表明本研究的时频结果不能仅归因于习惯化效应。
言语和非言语记忆线索
接下来,本研究检查了言语和非言语记忆线索在睡眠期间是否引发不同的振荡活动模式。对于言语和非言语线索,分别从记忆线索响应(图3a和c)中减去控制线索响应(图3b和d),从而得到2×2的析因设计(言语记忆线索>控制线索>非言语记忆线索>控制线索)。右半球(F4和C4)在约0.5-1s(dz=0.27,图3e和f)处的纺锤波(~10.5-16.5Hz)活动显著增加。有趣的是,事后检验显示,与非言语记忆线索(P=0.008)和言语控制线索(P<0.001)相比,言语记忆线索产生了更强烈的纺锤波响应。非言语记忆线索与非言语控制线索之间没有显著差异(P=0.800),言语和非言语控制线索之间也没有显著差异(P=0.129,均为Bonferroni校正)。需要注意的是,当我们将分析限制在睡前完成相同数量的言语和非言语配对训练的参与者时,也出现了相同的结果。
图3.言语线索和非言语线索。
为了研究言语和非言语记忆线索(相对于控制线索)引发的纺锤波事件的时间特征,本研究将纺锤波峰值振幅分成了5个时间段(线索提示开始后0.5、0.5-1、1-1.5、1.5-2和2-2.5s)。然后,本研究使用线性混合效应模型(spindles ~ condition×timebin)+(1 | participant)来检验条件(言语记忆线索>控制线索>非言语记忆线索>控制线索)和时间段对纺锤波峰值振幅的影响。结果显示两者的交互作用显著(P<0.05),事后两两比较发现,在早期时间段(0.5-1s),言语线索相对于非言语线索引发的纺锤波峰值振幅更频繁(P<0.001,d=1.06),这表明言语线索比非言语线索更加有效地促进了大脑中与纺锤波有关的神经活动。
为了检查言语和非言语线索在ERP上是否存在差异,本研究采用了与时频分析相同的析因方法(言语记忆线索>控制线索>非言语记忆线索>控制线索)进行了ERP分析。研究结果发现两者之间存在显著差异(P<0.05),在约0.8-1s(正向,dz=0.47)和1.2-1.5s(负向,dz=-0.50)出现了两个明显的聚类。
匹配和不匹配的记忆线索
最后,本研究考察了匹配的言语记忆线索(声音与学习时听到的完全匹配)是否引起了不同于不匹配言语线索(即相同vs不同声音)所产生的神经反应。本研究分别对匹配条件(实验1)和不匹配条件(实验2)进行了诱发控制线索响应减去记忆线索响应的操作,从而得到一个2×2的混合因子设计(匹配记忆线索>控制线索>不匹配记忆线索>控制线索)。然而,未出现显著交互作用。将同样的方法应用于ERP分析中,也同样未出现显著交互作用。
结论
本研究发现记忆线索会引起θ波和纺锤波功率的增加,这在之前被认为与睡眠期间的记忆重塑和巩固相关联。本研究还首次展示了TMR所引发的纺锤波响应对言语记忆线索比非言语记忆线索更强烈,这表明言语刺激更有效地触发了睡眠大脑中的记忆再激活。然而,当比较与学习过程中匹配或不匹配言语记忆线索的神经反应时,未观察到任何显著差异。综上所述,这些发现为睡眠大脑如何处理具有不同声学特性的记忆线索提供了新的见解。
参考文献:Anna á V Guttesen, Dan Denis, M Gareth Gaskell, Scott A Cairney, Delineating memory reactivation in sleep with verbal and non-verbal retrieval cues, Cerebral Cortex, Volume 34, Issue 5, May 2024, bhae183, https://doi.org/10.1093/cercor/bhae183
小伙伴们关注茗创科技,将第一时间收到精彩内容推送哦~
相关文章:

通过言语和非言语检索线索描绘睡眠中的记忆再激活茗创科技茗创科技
摘要 睡眠通过重新激活新形成的记忆痕迹来巩固记忆。研究睡眠中记忆再激活的一种方法是让睡眠中的大脑再次暴露于听觉检索线索(定向记忆再激活范式)。然而,记忆线索的声学特性在多大程度上影响定向记忆再激活的有效性,目前还没有得到充分探索。本研究通…...

MDPI旗下SSCI最新影响因子目录出炉!“水刊“Sustainability表现如何?
本周投稿推荐 SSCI • 1区,4.0-5.0(无需返修,提交可录) EI • 各领域沾边均可(2天录用) CNKI • 7天录用-检索(急录友好) SCI&EI • 4区生物医学类,0.1-0.5&…...

Matlab基础篇:数据输入输出
前言 数据输入和输出是 Matlab 数据分析和处理的核心部分。良好的数据输入输出能够提高工作效率,并确保数据处理的准确性。本文将详细介绍 Matlab 数据输入输出的各种方法,包括导入和导出数据、数据处理和数据可视化。 一、导入数据 Matlab 提供了多种方…...

MySQL字典数据库设计与实现 ---项目实战
软件准备✍:Mysql与Navicat可视化命令大全 ----项目实战 文章前言部分 目录 一.摘要 二.设计内容 三.项目实现 一.摘要 本项目关注于字典数据库表结构的设计和数据管理。通过现有的sql文件,实现system_dict_type和system_dict_data两个数据表。随后…...

python数据分析——数据预处理
数据预处理 前言一、查看数据数据表的基本信息查看info()示例 查看数据表的大小shape()示例 数据格式的查看type()dtype()dtypes()示例一示例二 查看具体的数据分布describe()示例 二…...

【Python】使用matplotlib绘制图形(曲线图、条形图、饼图等)
文章目录 一、什么是matplotlib二、matplotlib 支持的图形三、如何使用matplotlib1. 安装matplotlib2. 导入matplotlib.pyplot3. 准备数据4. 绘制图形5. 定制图形6. 显示或保存图形7. (可选)使用subplots创建多个子图注意事项: 四、常见图形使…...

vue下载本地xls模版静态文件
需求导入的下载模版不想放在服务器放在前端本地下载静态资源最简单的方式直接访问 public 文件夹下的文件 方法一:使用静态文件路径 将文件放在 public 文件夹中: 把你的文件从 src/assets 移动到 public 文件夹。例如:public/template.xls。…...

手机开热点,里面的WPA2-Personal和WPA3-Personal的区别
WPA2-Personal和WPA3-Personal这两种协议都是用来保护无线网络安全的,但它们在加密强度和安全性方面有所不同。 WPA2-Personal (Wi-Fi Protected Access 2) WPA2是目前最广泛使用的Wi-Fi安全标准之一。它使用AES(Advanced Encryption Standard…...

算法课程笔记——点积叉积
算法课程笔记——点积叉积...

详解 | DigiCert EV代码签名证书
简介 DigiCert EV 代码签名证书是一种高级别的代码签名证书,它不仅提供了标准代码签名证书的所有安全特性,还增加了额外的身份验证流程,以确保软件开发者或发布者的身份得到最严格验证。这对于提升软件的信任度、防止恶意篡改和确保下载安全…...

pdf压缩大小,PDF压缩大小不影响清晰度
你是否曾为PDF文件过大而烦恼?想要分享或上传文件时,却因为它的体积而束手无策?别担心,今天我将为大家分享一些简单实用的 PDF 压缩技巧,让你的文件轻松压缩pdf。 打开“轻云处理pdf官网”, 的网站。然后上…...

项目管理必备工具:2024年十大软件排行榜
有效的工具不仅可以帮助团队保持组织性,还能显著提高项目完成率。选择合适的项目管理软件,对于实现这些目标至关重要。 在2024年的各大权威榜单中,排名前十的项目管理软件包括:PingCode、Worktile(国内)&am…...

SOLIDWORKS专业版2024价格
SOLIDWORKS Professional 专业版,带有 ECAD/MCAD 协作、自动成本估算、协作功能、设计和工程图检查、复杂的零部件库以及高级真实感渲染。 1. ECAD/MCAD协作:SOLIDWORKS专业版提供了强大的ECAD/MCAD协作功能,使得设计团队可以更高效地进行跨…...

【外快业务】百度网盘扫码源码系统部署过程记录。
视频地址:【【自动发货项目】电脑PC/移动端扫码登录百度网盘项目源码,支持多人组团购买源码】 https://www.bilibili.com/video/BV1oD421W7oj/?share_sourcecopy_web&vd_source74cf265c4965f8c17f8e89bd8c29408d 1.远程连接服务器执行,…...

lucene原理
一、正排索引 Lucene的基础层次结构由索引、段、文档、域、词五个部分组成。正向索引的生成即为基于Lucene的基础层次结构一级一级处理文档并分解域存储词的过程。 索引文件层级关系如图1所示: 索引:Lucene索引库包含了搜索文本的所有内容࿰…...

华为、H3C交换机常用巡检命令
一、硬件状态、IOS版本信息检查 • display clock:显示系统时间。 • display version:查看交换机的版本信息和最近一次重新启动的时间。 • display enviroment:显示设备温度。 • display device:显示单板运行状态。 • di…...

网络安全 DVWA通关指南 SQL Injection(SQL注入)
DVWA SQL Injection 文章目录 DVWA SQL InjectionLowMediumHighImpossible SQL注入漏洞基本原理 Web应用程序对用户输入的数据校验处理不严或者根本没有校验,致使用户可以拼接执行SQL命令。 可能导致数据泄露或数据破坏,缺乏可审计性,甚至导致…...

【Linux】版本
文章目录 linux版本1、linxu技术版本(内核版本)2、linux商业化版本(发行版本) 区别 linux版本 1、linxu技术版本(内核版本) 内核:提供硬件抽象层、硬盘及文件系统控制及多任务功能的系统核心程…...

代码随想录算法训练营day47
题目:188.买卖股票的最佳时机IV、309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费 参考链接:代码随想录 188.买卖股票的最佳时机IV 思路:本题和上题的最多两次买卖相比,改成了最多k次,使用类似思路&…...

【Android面试八股文】Kotlin内置标准函数apply的原理是什么?
文章目录 一、原理解析二、 示例代码2.1 具体示例应用场景2.2 为什么使用 `apply`?apply 是 Kotlin 标准库中的一个高阶函数,它的作用是在对象上执行一个代码块,并返回这个对象本身。其原理涉及到函数类型和接收者对象的结合使用。 一、原理解析 函数类型与接收者对象的结合…...

RegionClip环境安装踩坑指南
RegionClip环境安装 RegionClip环境安装)问题1问题2问题3问题4问题5 RegionClip环境安装) 特别强调,不要单独去安装detectron2,会出现model.clip不存在的错误,通过python -m pip install -e RegionCLIP就可以问题1 问题:torch-c…...

MySQL数据类型、运算符以及常用函数
MySQL数据类型 MySQL数据类型定义了数据的大小范围,因此使用时选择合适的类型,不仅会降低表占用的磁盘空间, 间接减少了磁盘I/O的次数,提高了表的访问效率,而且索引的效率也和数据的类型息息相关。 数值类型 浮点类型…...

算法设计与分析:动态规划法求扔鸡蛋问题 C++
目录 一、实验目的 二、问题描述 三、实验要求 四、算法思想和实验结果 1、动态规划法原理: 2、解决方法: 2.1 方法一:常规动态规划 2.1.1 算法思想: 2.1.2 时间复杂度分析 2.1.3 时间效率分析 2.2 方法二:动态规划加…...

Java项目:基于SSM框架实现的电子竞技管理平台【ssm+B/S架构+源码+数据库+毕业论文】
一、项目简介 本项目是一套基于SSM框架实现的电子竞技管理平台 包含:项目源码、数据库脚本等,该项目附带全部源码可作为毕设使用。 项目都经过严格调试,eclipse或者idea 确保可以运行! 该系统功能完善、界面美观、操作简单、功能…...

Scala入门介绍
Scala 是一种强大的多范式编程语言,旨在融合面向对象编程和函数式编程的特性。它运行在 Java 虚拟机(JVM)上,因此可以无缝地与 Java 库进行交互。以下是对 Scala 的入门介绍,并附带了一些基本代码示例。 环境设置 首先…...

品牌策划背后的秘密:我为何对此工作情有独钟?
你是否曾有过一个梦想,一份热爱,让你毫不犹豫地投身于一个行业? 我就是这样一个对品牌策划充满热情的人。 从选择职业到现在,我一直在广告行业里“混迹”,一路走来,也见证了许多对品牌策划一知半解的求职…...

超越招聘技术人才目标的最佳技术招聘统计数据
研究发现,难以找到的人才比以往任何时候都更难找到:根据新人才委员会招聘调查报告:2024年难以找到的人才的战略和战略,60%的受访者表示,熟练人才的招聘时间比一年前长。调查进一步揭示了以下关于招聘技术的关键事实&am…...

cocos creator 调试插件
适用 Cocos Creator 3.4 版本,cocos creator 使用google浏览器调试时,我们可以把事实运行的节点以节点树的形式显示在浏览器上,支持运行时动态调整位置等、、、 将下载的preview-template插件解压后放在工程根目录下,然后重新运行…...

Clickhouse监控_监控的指标以及Grafana配置Clickhouse指标异常时触发报警
使用PrometheusGrafana来监控Clickhouse服务和性能指标 Clickhouse监控指标的官方文档https://clickhouse.com/docs/zh/operations/monitoring 建议使用PrometheusGrafana组合监控Clickhouse服务和性能指标,数据流向:Prometheus的clickhouse_exporter组件…...

动手学深度学习(Pytorch版)代码实践 -卷积神经网络-27含并行连结的网络GoogLeNet
27含并行连结的网络GoogLeNet import torch from torch import nn from torch.nn import functional as F import liliPytorch as lp import matplotlib.pyplot as pltclass Inception(nn.Module):# c1--c4是每条路径的输出通道数def __init__(self, in_channels, c1, c2, c3, …...