Бетонные блоки фбс для фундамента — расшифровка наименований, размеры и вес

В данной статье рассматриваются особенности производства и маркировки блоков фундаментных железобетонных необходимых при возведении фундамента.

Блоки фундаментные железобетонные представляют собой крупногабаритные сплошные конструктивные элементы из монолитного бетона. Их используют при возведении фундамента построек жилого и нежилого вида. 

Они отличаются типоразмерами. Компания «ЖБИ Эксперт» предлагает вам купить блоки ФБС от проверенных отечественных производителей.

Сфера применения:

Блоки ФБС обладают повышенными техническими характеристиками и отличаются универсальностью. Их используют в гражданском, промышленном и других видах строительства.

Сплошные ж/б конструкции используют при возведении стен подвалов, а также различных объектов:

• жилых домов до 4-х этажей;
• дач;
• сараев;
• бань;
• теплиц;
• беседок.

В случае соблюдения всех правил обустройства ленточного фундамента частного дома и проведения гидроизоляционных работ блоки железобетонные по качественным характеристикам не будут уступать монолитному основанию.

Особенности маркировки:

Ж/б конструкции для фундаментов имеют маркировку. При выборе конкретной модели важно учитывать типоразмеры, вид бетона и блока.

Маркировка состоит из следующих показателей:

• трех букв, определяющих тип блока, например, ФБС расшифровывается как фундаментный блок сплошной, ФБП – пустотный, ФБВ – с вырезом;
• числа, определяющего округленную длину блока в дециметрах;
• цифр, говорящих о ширине и высоте конструкции в дециметрах;
• буквы, определяющей вид бетона, например, Т – тяжелый, С – плотный силикатный, П – керамзитобетон (на пористых заполнителях).

Чтобы вам было легче разобраться в маркировке, рассмотрим следующий пример:

ФБС 12.6.6-Т

ФБС – фундаментный блок сплошной;

12 – округленный показатель длины в дециметрах;

6 – округленная величина ширины в дециметрах;

6 – округленный показатель высоты в дециметрах;

Т — тяжелый вид бетона.

Технология производства:

Технологический процесс ЖБИ состоит из следующих этапов:

1)    Заливка бетона в специальные разборные металлические формы, стенки которых предварительно смазывают во избежание прилипания раствора.

2)    Уплотнение бетонного раствора погружными вибраторами.

3)    Установка в незастывшем составе петель для транспортировки.

4)    После появления первичной твердости разбор формы и окончательная просушка ж/б изделия.

Сплошные конструкции изготавливают немного иначе: они не имеют усиления в виде дополнительных металлических элементов, а состоят из монолитного бетона.

При изготовлении ФБС блоков фундаментных важно соблюдать ГОСТ. В стандартах прописано количество добавляемого бетонного раствора, время просушки, особенности изготовления блоков из тяжелого, силикатного или керамзитного бетона.

Особое внимание нужно уделять качеству бетонного раствора. От него зависят будущие технические и эксплуатационные характеристики конструкций.

Если вы нашли низкую цену на блоки ФБС, то будьте осторожней. В последние годы увеличилось количество кустарного производства. Такие модели можно использовать только при осуществлении ремонтных работ на дорогах, прокладке коммуникаций. Если речь идет о частном домостроении, то в целях безопасности лучше купить ЖБИ заводского производства с паспортом.

Компания «ЖБИ Эксперт» предлагает вам сплошные фундаментные конструкции высокого качества. Мы сотрудничаем с надежными заводами-изготовителями, которые при производстве придерживаются стандартов ГОСТ.

Изделия от «ЖБИ Эксперт» подойдут для строительства малоэтажных жилых домов и других объектов. Они выдерживают все виды негативного воздействия:

• химическое;
• биологическое;
• механическое;
• влагу;
• температурные перепады;
• мороз;
• агрессивные среды.

Конструкции обладают отличными прочностными характеристиками, долгим эксплуатационным периодом (более 50 лет).

При заказе модели учитывайте размеры блоков ФБС, особенности проекта будущей постройки. Разнообразие нашего ассортимента позволит вам выбрать подходящий вариант для всех видов строительных работ.

Мы осуществляем доставку блока ФБС в Москве и ЦФО. На формирование стоимости в нашей компании влияет транспортировка – она занимает до 50%, так как речь идет о крупногабаритном грузе. Вес блоков ФБС указан

в каталоге на нашем сайте. Мы гарантируем вам доступную цену без потери качества товара, так как сотрудничаем с лучшими производителями в Центральном федеральном округе и поддерживаем грамотную логистику.

расшифровка. Другие способы классификации по марке и классу

Марка или класс — это главный показатель качества бетонной смеси, на который обычно акцентируется внимание при покупке бетона. Другие же показатели, такие как: морозостойкость, подвижность, воднонепроницаемость — в данной ситуации отходят на второй план. Первоначально, всё же, — выбор по марке или классу. Вообще, прочность бетона — довольно изменчивый параметр, и в течение всего процесса твердения — она нарастает. Например: через трое суток — будет одна прочность, через неделю — другая (до 70% от проектной, при соответствующих погодных условиях). Через стандартный срок — 28 дней нормального твердения — набирается проектная (расчётная) прочность. Ну а через полгода она становится ещё выше. В принципе, твердение бетона и набор его прочности идёт долгие годы.

• марки бетона в цифрах м 100, м 150, м 200, м 250, м 300, м 350, м 400, м 450, м 500 Полный диапазон марок от м 50 до м 1000. Основной диапазон применения 100-500. Марка бетона напрямую зависит от количества цемента в составе бетонной смеси.
• класс бетона B 7.5, B 10, B 12.5, B 15, B 20, B 22.5, B 25, B 30, B 35, B 40 Полный диапазон классов от В 3.5 до B 80. Основной диапазон B7.5-B40.

Прочность, марка, класс бетона. Методы определения. Контрольные пробы.

Выбор и покупка конкретного вида и марки (класса) бетонной смеси определяется Вашим проектом. Если проекта нет, то можно доверится рекомендациям Ваших строителей. Если у Вас есть некоторые сомнения в компетентности Ваших строителей, можно попытаться разобраться самостоятельно.

Цифры марки бетона (м-100, м-200 и т.д) обозначают (усреднённо) предел прочности на сжатие в кгс/кв.см. Проверку соответствия необходимым параметрам осуществляют сжатием (специальным прессом) кубиков или цилиндров, отлитых из пробы смеси, и выдержанных в течение 28 суток нормального твердения.

В современном строительстве чаще используется такой параметр как — класс бетона. В общем и целом, этот параметр сродни марке, но с небольшими нюансами: в марках используется среднее значение прочности, в классах — прочность с гарантированной обеспеченностью. Впрочем, для Вас это не имеет какого-либо значения. Не буду Вам морочить голову с коэффициентами вариации прочности, и прочими техническими нюансами. В проектной документации, если она у Вас конечно имеется, должно быть указано: какой класс бетона должен использоваться. В соответствии со СТ СЭВ 1406, все современные проектные требования к бетону указываются именно в классах. Уж не знаю — насколько это соблюдается, потому как 90% строительных организаций заказывают бетон в марках…

Для Вас главное — чтобы марка бетона, который Вам привезли, соответствовала тому, что Вы собственно заказали. Проверить конечно можно, но не сразу. Что стоит сделать.

При разгрузке бетона, взять пробу и отлить пару-тройку кубиков размером 15х15х15 см. Для этого можно сколотить из дощечек специальные формы нужного размера. Перед заливкой бетона в формы, ящички желательно увлажнить, дабы сухое дерево не забрало много влаги из бетона, тем самым отрицательно воздействуя на процесс гидратации цемента . Залитую смесь необходимо проштыковать куском арматуры или чем-то подобным: потыкать в смесь, как толкут картошку пюре, чтобы в залитой пробе не образовались незаполненные места (раковины), вышел лишний воздух, и смесь уплотнилась. Так же можно уплотнить смесь ударами молотка по бокам ящичков. Отлитые кубики храните при средней температуре (около 20 градусов) и высокой влажности (около 90%).

Через 28 дней Вы можете с чистой совестью принести всё это великолепие в любую независимую лабораторию; Вам там всё это подавят и вынесут вердикт — соответствует ли бетон заявленной марке или не соответствует. Впрочем, не обязательно ждать 28 дней, для этого существуют промежуточные стадии твердения в возрасте 3, 7, 14 суток. В течение первых 7 дней бетон набирает около 70% расчётной прочности.

Какие нюансы могут возникнуть при заборе и хранению проб-кубиков:

• Не разбавляйте водой смесь в автобетоносмесителе.
• Берите пробы непосредственно с лотка бетоносмесителя.
• Тщательно уплотняйте бетонную смесь в формах штыкованием (картошка-пюре)
• Храните пробы в надлежащих условиях: не на солнце и не на печке:-)) Лучше в прохладном подвале, или просто в тени.

Вот и всё про кубики.

Если Вы вдруг забыли взять пробы, а знать, что у Вас всё в порядке хотелось бы, — обратитесь в независимую лабораторию, которая может провести замер прочности на месте. Для этого существуют так называемые неразрушающие методы исследования прочности: проверка методами ударного импульса прибором склерометром. В народе называется — простучать бетон. Так же используются ультразвуковые и иные методы определения прочности.

Соотношение между классом и марками бетона по прочности при нормативном коэффициенте вариации v = 13,5%

Твердение бетона.

Прочность бетона нарастает в результате взаимодействия цемента с водой. По научному этот процесс называется гидратация цемента. Гидратация останавливается, если в молодом и набирающем прочность бетоне высыхает или вымерзает вода (влажность). Высыхание и замерзание молодого бетона существенно ухудшает его свойства и прочностные характеристики. А молодым он считается, как минимум, пару недель. Если честно, то хотя бы недельку постоит в нормальной влажности и температуре — уже хорошо, уже есть примерно 70% прочности.

С потерей влаги, необходимой для нормального процесса гидратации, надо бороться. Ведь теряется не только влага, а теряется ещё и прочность. Вернее, — она не набирается. Молодой бетон, как ребёнок, нуждается в уходе и питании:-) Только вместо каши — бетону нужна вода. И тогда он отблагодарит Вас долгими годами безупречной службы.

• Свежеуложенный бетон, в жаркую погоду неплохо бы накрыть мокрой мешковиной, или хотя бы плёнкой ПВХ.
• 1-5 дневные бетонные конструкции — не помешает поливать водой. Хуже не будет.

Что самое любопытное, он может продолжится весной, когда оттает. Если конечно всю конструкцию не размоет к тому времени. Естественно, прочность и морозостойкость такого бетона может быть существенно ниже, чем должно быть при нормальном твердении. Даже существуют специальные методики, так называемого, раннего замораживания бетона. Бетон с небольшим количеством противоморозных добавок укладывают при низких температурах (-15-30). Он замерзает и в таком виде живёт до начала прихода более теплой погоды. Ближе к весне бетон просыпается и начинается процесс гидратации цемента.

Бетон играет главную роль при формировании не только фундаментов, но так же свай и стен дома. При выборе марки бетона нужно учитывать не только его стоимость, но и характеристики, сферы использования. От марки бетона напрямую зависит срок эксплуатации постройки, в том числе, марка дает определенные возможности и экономические допущения.

Согласно СНиП бетон для изготовления фундаментов должен быть марки не ниже М250.

Марки бетона и области их применения

Главные марки бетона фабричного производства и области их применения

М-100 используется при возведении не несущих строительных элементов. Например при дорожных работах. Тротуары, дорожки для пешеходов, автомобильные площадки, и, в том числе, изготовление отмостки.

М-150 по запасу прочности не сильно отличен от М100, область применения такая же. Разве что, получится чуть более крепкий бетон, который будет стоить дороже и прослужит дольше.

М-200 применяется для изготовления на заводах плит для перекрытий. В том числе, железобетонные пояса, дорожные покрытия для малых нагрузок.

М-250 отличия имеет не сильные от М200, потому и сфера применений у него аналогичная. Имеет более длительный срок эксплуатации вследствие того, что разрушается чуть медленнее при морозах. Начиная отсюда, подходит для фундаментов гаражей, бань, небольших зданий.

М-300 используется для отливки лестничных площадок жилых многоквартирных домов, тротуаров, дорог, которые предназначены для сильных нагрузок (фургонов, самосвалов и других тягачей). В том числе, для производства более прочных перекрытий из железобетона, труб, инженерных коммуникаций и других аналогичных конструкций. Обычно используется в большинстве ленточных фундаментов.

М-350 более прочный, чем его предыдущий собрат, сфера применения аналогична, но вследствие большей прочности активно используется для автомагистралей, скоростных дорог и всех дорожных элементов, в том числе и заборов, стен, фундаментов. Обладает высокой морозоустойчивостью, благодаря чему для монолитных фундаментов подходит как нельзя лучше. Но дорогостоящий.

М-400 используется для фундаментов всех типов, в том числе и многоэтажных. Для несущих стен, высокопрочных полов, подвалов, для изготовления свай, строительства заводов и цехов. Так же для складских помещений, где требуется очень прочный пол.

М-450 считается одним из крепчайших и самых надежных бетонов для строительства зданий. Выдерживает колоссальные нагрузки. С его помощью изготавливают высокопрочные несущие перекрытия, высокопрочные фундаменты и множество ответственных других конструкций.

М-500 является самым крепким и самым надежным из всех марок. Особо долговечен, благодаря чему активно применяется при строительстве небоскребов. Такой бетон прекрасно изолирован от различных воздействий природного и механического характера. Держится там, где другим не под силу. В том числе, и в экстремальных условиях.

Монолитный блок бетона м350

Основные характеристики бетона

От марки бетона зависит его качество. Характеристики же делятся по морозоустойчивости, подвижности и водоустойчивости. Как правило, чем больше число марки, тем больше цемента находится в составе, что в свою очередь влияет на его пористость и долговечность.

Испытание образцов бетона на прочность

Ученые – специалисты уделяют больше внимание сжатию затвердевшего бетона, а именно, его предельному уровню нагрузки. Определяется она формулой кгс/см2. Ориентируются и сравнивают бетон, отливая его в цилиндры 15х15х15, который уже окончательно затвердел, на что требуется месяц при нормальных условиях.

Вдобавок, есть понятие растяжимости бетона. А именно, насколько он сохраняет свою прочность при растяжении. Эти данные указываются только тогда, когда бетон, например, предназначен для фундамента или свай, дорог с большими нагрузками. Параметры устойчивости к морозам и влаге а этикетках указываются еще реже. Потому что в строительстве данные характеристики ключевыми не являются. Это так, потому что сегодня существует огромное количество гидроизоляционных материалов, добавок, распылителей и прочих укрепляющих составов, а так же составов, которые придают бетону определенные свойства дополнительно. Устойчивость к влаге указывается в виде кгс/см2 на одностороннем гидростатическим давлением, при котором поверхность бетона не впитывает жидкость.

Что означают цифры в марках бетона

Морозоустойчивость находится исследователями при помощи испытаний, которые заключаются в множественном замораживании и оттаивании выбранного образца бетона. Слово «марка» сразу указывается в цементе одной буквой «М». На данный момент, рынок представляет бетон от М50 до М1000. Так же, как и марка, в строительстве имеется термин «класс бетона». Отличаются термины в том, что марка это усредненный показатель. Класс же, в свою очередь, сразу предлагает гарантированный уровень прочности, который отображается так же в названии цифрами.

При проектировании в документации сразу указывают исключительно класс бетона, который необходим для соответствующего строительства. Строго по СТ СЭВ 1406. Класс указывается буквой «В». Таким образом, на строительном рынке вы найдете бетон классами от В1 до В60. Во всех торговых местах, прайсах и прочих документах бетон обозначается как цифровым, так и буквенным индексом.

При проектировке ЖБИ товаров уже появляются и другие характеристики: М, В – знакомы, так же есть П – подвижность, морозоустойчивость F, водоустойчивость W. На сегодняшний день марки и классы 0 обозначения, которые применяются параллельно. Т.е. могут написать, как только класс, так и только марку. Перевести марку в класс и наоборот позволяет специальная таблица сравнений.

Классы и марки бетонных изделий указываются не только в зависимости от компонентов, но и их соотношением. Приведем пример: согласно рекомендациям составов и пропорций бетонных изделий, для создания бетона М100 В7,5 можно применять цементную основу как 450 марки, так и 500. В случае с 500 расход цемента будет меньше.

В каждом строительстве делается индивидуальный состав бетона. Обычно, для бетона фабричного производства заводы используют от 400 до 500 марки цемент.

Разница бетонных марок по их свойствам

Как писалось выше, предел прочности на сжатие кгс/см2. А так же, делятся по отношению пропорций песка, цемента, воды, щебенки в растворе бетона. В последнее время, в какой бы сфере бетон не применялся, его марка – слово употребляется всё реже и реже. Гораздо чаще строители используют понятие «класс» бетона. Потому что оно вмещает в себя сразу несколько характеристик.

Самый не крепкий бетон – М50, прочный – М1000. Цены отличаются так же, в разы. Но дальше М600 дело, как правило, не заходит. В строительстве вообще используют обычно М400-500.

М-100, или М150 применяют для не несущих конструкций. Например, бетонные тротуары, дорожки для пешеходов. Им заделывают внутренние стены. Для каких-либо нагрузок эти марки вообще не предназначены, так как быстро разрушаются.

М-200 Для малых нагрузок используют именно этот бетон. Например, для индивидуально строительства лестниц, очень простых фундаментов под гаражи, погреба, для лестниц, дорожных плит малой нагрузки.

М-250. Более прочный, не недостаточно надежный для серьезных нагрузок. Отмостки, лестницы, ростверки, упоров, заборов, лестниц всех видов.

М-300. Отсюда идут монолитные фундаменты, стены, перекрытия, лестницы, плиты.

М-350. Стоит отметить, самая популярная марка. Его выбирают благодаря не только качеству, но и морозоустойчивости. Это не значит, что гидроизоляция отсюда и для марок выше уже не нужна. Дело в том, что даже песок имеет процент влаги, бетон уж и подавно, но этот процент он при расширении в морозы выдерживает. Но не сильно более этого процента, который в нем уже есть, потому нужна гидроизоляция. М350, как правило, особо не прихотлив, и гидроизоляция самая дешевая его окупит с лихвой.

М-400. Используется для особых конструкций, таких как банки и их хранилища, плотины, другие гидротехнические постройки, мосты, опоры для малых мостов и несущие стены для крупных построек.

М-450. Качественный, надежный бетон. Высокопрочный бетон. Он подходит для особо крупных мостов и его опор, подземные постройки, такие как метро, станции, платформы и т. д.

М-500. Применяется вместе с гранитным щебнем. Вода недоступна для него, потому нет смысла в гидроизоляции. Морозы не берут его, утеплители не нужны. Особо крупные плотины, дамбы, подводные сооружения и т.д. Не для частного строительства загородных домов. Ибо не окупается.

М-550. Не часто используется в строительстве, только в небоскребах особо больших. А так же крупные и длинные туннели подземного типа, колонны, ригели, особо крупные монументы.

М-600. Полный аллес. Особо прочный бетон. Для сооружений особой сложности в экстремальных условиях.

Бетон – искусственный строительный материал, камень созданный из воды, цемента, крупных и мелких заполнителей. Бетон производится путем формования и твердения, и важную роль играет рациональный подбор компонентов для композиции бетонной смеси. От соотношения основных компонентов и используемых пластификаторов зависит прочность бетона, его морозостойкость и др. важные параметры. Наиболее важными показателями являются класс и марка бетона – характеристики, которые первыми учитываются при проектировании. Остановимся на том, чем отличается класс бетона от марки и каково их соотношение.

Что такое класс и марка бетона

Оба параметра отражают одну и ту же характеристики – предел прочности на сжатие. Разница в том, что марка использует среднее значение, а ориентируясь на класс, вы узнаете гарантированную обеспеченность с коэффициентом вариации, принятой ГОСТом погрешностью равной 13,5%.

Итак, что представляют собой классы и марки бетона по прочности? Марка бетона задается в усредненном пределе прочности на сжатие и измеряется в кгс/см2. Обозначается литерой М и цифровым обозначением из определенных ГОСТом значений показателя прочности на сжатие которому данный материал соответствует. В современном строительстве наиболее часто используются марки М100 – М500.

Класс прочности бетона более приближен к реальным показателям, так как учитывает допустимую погрешность. Здесь также присутствует буквенное и числовое обозначение – литера В и значение предела прочности на сжатие в МПа. Полный диапазон значений составляет от В3,5 до В80, но к основному диапазону, классам получившим наибольшее применение в современном строительстве, относятся от В7,5 до В40.

Соотношение класса и марки

Одним из наиболее частых вопросов, интересующим непрофессионалов занимающихся выбором материала для строительства, является — как соотносятся марка и класс бетона? Соответствие класса и марки определяется коэффициентом вариации, который может изменяться в широком диапазоне и зависит от многих факторов. Одна и та же марка бетона при различных коэффициентах вариации может быть и выше, и ниже определенного значение (например, В10 или В15). Поэтому для получения унифицированных значений применяется средний коэффициент равный 13,5%.

Для определения соотношения класса и марки не нужно производить расчеты, существует таблица марок и классов бетона:

Как видите, здесь приведены наиболее востребованные марки используемые в современном строительстве. На их основе можно узнать нормативные значения плотности, однородности, прочности на разрыв и других показателей. Если же необходимо получить точные характеристики материала, то производятся полевые и лабораторные испытания взятых образцов позволяющие получить точный ответ о пригодности бетона к решению конкретных задач.

Особо стоит отметить, что при всей важности показателей марки и класса, важным является качество исходных компонентов и технология производства, соответственно и выбор производителя.

Оборудование и инструменты для строительства, ремонтных и отделочных работ на сайте компании Немецкие технологии.

При работе с бетоном, как и со многими другими материалами, очень важно ориентироваться в классификации, основных характеристиках и требованиях, предъявляемых к данному виду стройматериала, чем они могут отличаться.

Разбираться в этом необходимо не только для покупки более-менее качественного товара, но и подходящего для конкретной ситуации. Например, если фундамент предназначен для одноэтажного здания, то построй мы на нем высотку – сделали бы ужасную глупость. Нужно подобрать идеальное соотношение подходящего качественного материала и цены. Если взять слишком дорой, но очень качественный товар, когда можно было бы обойтись менее дорогим – это просто перевод денег.

А так как практически ни одна стройка не может обойтись без использований бетонных смесей, необходимо знать, чем могут отличаться те или иные виды между собой. Мы поговорим сегодня о том, чем отличаются марки и классы бетона, какие соответствия характеристик к той или иной марке или классу, как выбрать подходящий бетон и что говорит нам ГОСТ. Для удобства нахождения нужного вам материала, часть информации представлена в виде таблицы.

Прежде, чем рассматривать разные особенности и параметры, нужно ознакомиться с таблицей, которая описывает соответствие прочности определенной марке и классу. Или, проще говоря, прочность бетона в зависимости от марки и класса:

Что такое марка бетона?

Марка бетона – это его основной показатель прочности. Указывает прочность на сжатие материала. В таблице мы еще продемонстрируем данное соответствие, но немного позже. Она находится в прямой зависимости от количества цемента в этой смеси. Чтобы сделать бетон нужной марки, нужно брать марка цемента должна быть в два раза выше.

Чем выше будет это значение, тем сложнее в работе данный вид бетона. Проверить прочность можно лишь в лабораторных условиях путем сжатия материала прессов специальным.

Обозначается марка буквой «М», а также имеет числовое значение, указывающее на то, какое количество бетона в смеси. Каждая марка отличается по прочности, граница которой измеряется в кгс/см2.

Теоретически спектр в таблицах отражает марки от М50 до М1000, при этом на практике не используются все, а лишь определенные виды.

Классификация и характеристика марок

Каждая марка, указанная в таблице, имеет свое назначение. Используется марки от М100 до М500 на практике. Для чего применяется каждая из них?

1. М100. Строить дома на такой марке бетона просто невозможно, но они неплохо подходят в качестве подготовительной основой для заливки монолитной плиты под фундамент. Т.е. необходимо комбинировать с более прочным бетоном.
2. М150. Будет отличаться от других тем, что применяется при выполнении стяжки. Походит при совмещении с армированием для хозяйственных построек. Этот бетон могут использовать в основании дорожек, бордюров.
3. М200. Раствор нужен, как и М150, при заливке стяжки или подушки для монолитных плит фундамента, а также для проведения отмостки.
4. М250. Это наиболее популярный тип бетона для заливки фундамента монолитного для строительства частного дома. Будет отличатся использование в индивидуальном строительстве не многоэтажных построек. Это как промежуточное звено между М300 и М200, благодаря чем его предпочитают многие строителя.
5. М300. Следующий элемент таблицы классификации очень популярен отличается хорошим соотношением качества и цены. Используется как для ленточных фундаментов, так и для перекрытий, стен и заборов.
6. М350. Применяется в строительстве опор, водоемов искусственных, например, бассейнов. Применяется и в производстве железобетонных конструкций. Отлично подойдет для фундамента свайного и уже повышенной прочности. Нет смысла уже применять его в индивидуальном одноэтажном строительстве, лучше брать более дешевую марку. Можно разве что построить дом из него с цоколем или подвальным помещением, погребом.
7. М400 и М500 отличаются повышенной стойкостью. При этом они вряд ли подойдут для частного дома, ведь нашли свое применение в промышленности. Например, для стройки хранилищ или мостов.

Что такое класс бетона?

Класс –это еще один способ маркировки бетона. Это более точный показатель фактической прочности, так сказать гарантированной. Это уровень прочности с учетом не только количества цемента, как в случае с маркой, но и качеством воды, песка, в общем всех ингредиентов, учитывая их свойства и технологию производства. Фактически марка указывает на усредненные значения бетона, а класс на практические его свойства в эксплуатации.

Маркируют класс буквой В. Табличный спектр обычно описывает ряд от В1 до В60. Каждый класс соответствует определенной марке бетона, что вы можете увидеть ниже.

Данная таблица описывает соответствие определенного класса определенной марке:

Класс бетона по прочности учитывает следующие факторы:

• количество цемента;
• соотношение цемента и воды;
• активность цемента;
• степень уплотнения бетонного раствора;
• качество добавок и заполнителей.

Другие способы классификации по марке и классу

По сути мы с вами разобрались с разницей между этими двумя показателями, разобрали их виды и сделали главным образом упор на крепость. Да и вообще прочность на сжатие – самый важный фактор при учете выбора бетона. Но отличаться могут они и по другим характеристикам. Соответствующие таблицы мы приведем для вас.

Основополагающим фактором при выборе марки или класса может стать морозостойкость. Отличаться будет марка для холодных регионов от теплых. Ведь мы знаем, что низкая температура может сказываться губительно. Ведь учитывайте, что процесс постоянного оттаивания и замерзания снова будет влиять на срок службы. Это может повлиять на появление трещин.

Повысить морозостойкость помогут разные добавки. Маркируют ее буквой F, а спектр будет от F50 до F1000. Соответствующую таблицу вы найдете ниже.

Отличаться марки и классы будут по водонепроницаемости. Влага часто негативно влияет на конструкцию, поэтому также важно. Определяется допустимым уровнем воды и отмечается как W, при это варьируется в таблицах от W2 до W200.

Теперь внимательно рассмотрим таблицу и определим какой водонепроницаемости и морозостойкости соответствует та или иная марка бетона и класс:

Как вы понимаете, нельзя просто учитывать лишь способность выдерживать конструкцию, необходимо учитывать и особенности окружающей среды.

Надеюсь, что материал был хоть немного понятен для вас. Но, если остались какие-то вопросы, или вы все еще не смогли разобраться, то загляните в данное видео:

При выборе бетонной смеси каждый сталкивается с вопросом, какие именно виды лучше подходят для применения в определенном проекте. Каждый отличается индивидуальными свойствами, сферами использования. Собственно, они предназначены для обозначения бетонных смесей согласно уникальным свойствам, это главные показатели качества, связанные с прочностью. Для того, чтобы ориентироваться в классах, марках материала, существуют таблицы с описанием всех параметров конкретного вида.

Определения класса

Прочность смеси зависит от правильно подобранного соотношения составляющих, влияние оказывают другие факторы. К таким относят качество воды, песка, незначительные изменения технологии в процессе приготовления, особенности застывания, условия укладки. Именно поэтому похожие маркировки могут иметь неодинаковую прочность.

Уровень прочности, учитывая перечисленные факторы, называют классом. Это параметр, означающий допустимое значение возможного ухудшения качества при условии, что прочность равна указанной. В проектных документах строительства указывают класс. Важно правильно соотносить характеристики – для этого существуют специальные таблицы.

Определение марки

Определение марки по мокрому пятну.

Марка главным образом зависит от количества цемента в бетонной смеси. Бетон с высшим числом более сложен в использовании – чем выше значение, тем меньше период застывания. При выборе важно подобрать правильное соответствие качества-цены. Проверить прочность можно в лабораторных условиях неразрушающим методом – предполагается сжатие образцов сильным прессом.

Главный критерий, согласно которому определяются с необходимой маркой – вид предполагаемого сооружения. Для подготовительных работ при заливке фундамента, дорожных работах используют М-100, М-150. Наиболее известным считается М-200, сфера использования которого довольно широка – сооружение лестниц, опорных стен, заливка фундамента.

Для заливки монолитных фундаментов преимущественно используют М-350 – такой бетон способен выдержать существенные нагрузки. М-250, М-300 постепенно уходят с рынка строительных материалов, являются промежуточными, используются достаточно редко. Высшие маркировки бетона используют для постройки гидротехнических объектов, плотин, дамб – иными словами, конструкций, подвергающихся постоянному большому давлению, к которым выдвигают особые требования.

Обозначение

Классы обозначают латинской буквой «В», цифра рядом показывает нагрузку в мегапаскалях, которую бетон выдержит в 95% случаев. Полный спектр классов находится в диапазоне 3,5 – 80 МПа. Марки обозначают буквой «М», цифра показывает, сколько цемента в готовой бетонной смеси. Обозначение марки расшифровывает границу прочности, который измеряют в кгс/см2.

Высокая прочность – главная определяющая качества, поэтому чем выше значение – тем смесь дороже.

Отличие между классами и марками

На первый взгляд, к марке и классу применяют одинаковый критерий определения, но между ними есть существенные отличия. Первая показывает средние технические свойства материала, второй определяет уровень прочности материала при эксплуатации. Фактически, маркирование говорит о том, какое количество цемента присутствует в данной смеси, классовое же число показывает, какую максимальную нагрузку выдержит конструкция в 90-95% случаев. Указанные параметры взаимозависимы, их соответствие можно определить с помощью специальной таблицы.

Класс бетона по прочности

Испытание прочности бетона на сжатие и на соответствие требуемой марке.

В первую очередь, определяет предел прочности на сжатие. Показатель гарантирует, что в процессе эксплуатации материал выдержит определенную нагрузку, которая указана рядом с буквой «В» в мегапаскалях в возможной погрешностью в 13,5% (коэффициент вариации). На прочность влияют следующие факторы:

• Количество цемента – чем больше цемента содержится в смеси, тем быстрее она застывает и прочнее становится.
• Водоцементное соотношение – большое количество воды приводит к образованию пор, что значительно уменьшает прочность.
• Активность цемента – надежные сооружения производят из цемента высокой прочности.
• Степень – правильная технология смешивания, использование виброимпульсов и метода турбосмешивания значительно повышают степень прочности готового бетона.
• Качество заполнителей – добавление примесей (глины, мелкозернистых добавок) приводит к снижению прочности состава.

Классификация по маркам

Маркировка зависит от плотности, качества используемых составляющих и водоцементного соотношения. Допустимые границы последнего параметра – от 0,3 до 0,5. Увеличение показателя означает снижение характеристик прочности материала. Различают несколько видов марок – по прочности, морозостойкости, водонепроницаемости.

По прочности

Находятся в диапазоне от М-50 до М-1000, показывает среднее значение прочности на сжатие, означает конкретный вид цемента, который использовали при приготовлении бетонной смеси, соотношение всех составляющих раствора и . Соответствие определенного числа перечисленным параметрам можно узнать из таблиц.

По морозостойкости

Разрушения бетона из-за низкой морозостойкости.

Еще один важный параметр, который напрямую влияет на качество материала. Особенное внимание ему уделяют при разработке проектов в холодных регионах. Низкие температуры губительно влияют на бетон, разрушая структуру. Влага, попадая на поверхность, просачивается в поры материала, после замерзания увеличивается в объеме. Процесс постоянного замерзания-оттаивания приводит к появлению мелких трещин, которые со временем расширяются.

Морозостойкий материал получают с помощью специальных химических добавок, которые досыпают в раствор в количестве, указанном в инструкции. Данные материалы имеют свою маркировку, существуют в диапазоне от F-50 до F-1000. Показатель возле буквы показывает, сколько циклов оттаивания-замерзания может перенести материал без ухудшения исходных свойств.

4 | ЗАО «НП ЦМИД»

Комплексная добавка для бетона

ЦМИД-4 представляет собой многокомпонентную комплексную добавку для бетона, включающую в себя комплекс микронаполнителей, химических и поверхностно активных компонентов.

Добавка для бетона ЦМИД-4 выпускается в виде тонкодисперсного порошка серого цвета, без запаха. Добавка ЦМИД-4 является негорючим, пожаровзрывобезопасным веществом, введение которого в бетонную смесь не изменяет токсино-гигиенические характеристики бетона.

Добавка ЦМИД-4 – полифункционального, пластифицирующего, воздухововлекающего действия, с четко выверенными пропорциями применяемых компонентов и не требует введения с бетонную смесь дополнительных добавок.

ЭФФЕКТЫ ОТ ПРИМЕНЕНИЯ

Эффект	влияние на бетонную смесь и бетон	результат
пластификации	получение высокоподвижных бетоны смесей с ок 25 см при низких в/Ц до 0,36	возможность производить безвибрационную укладку бетонной смеси или при незначительном          побуждении свободная перекачиваемость бетононасосом.
водоредуцирования	получение высокоплотных бетонов водонепроницаемостью до W20 и морозостойкостью F600	Увеличение эксплуатационных характеристик бетона
стабилизации	получение связных и нерасслаивающихся бетонных смесей	стабильность бетонной смеси во времени при транспортировке и укладке
воздухововлечения	образование в бетонной смеси замкнутых пузырьков воздуха и его равномерное распределение в бетонной смеси.	однородность бетонной смеси. Увеличение морозостойкости.
Увеличения прочности	снижение расхода цемента до 100 кг на 1 м3 бетона.	Экономия                             цемента. снижение экзотермического разогрева бетона при твердении, снижение риска образования температурно-осадочных трещин.

ДЕЙСТВИЕ ДОБАВКИ ЦМИД-4 В БЕТОННОЙ СМЕСИ

• Позволяет получать высокотехнологичные бетонные смеси различных марок и любой подвижности.
• Обладает пластифицирующими свойствами, что приводит к снижению в/Ц на 20-25% и увеличению подвижности бетонной смеси.
• За счет содержания активного микронаполнителя позволяет снижать расход цемента до 100 кг на м3 бетонной смеси.
• Обладает воздухововлекающим действием, что обеспечивает связность и нерасслаиваемость бетонной смеси.

ДЕЙСТВИЕ ДОБАВКИ ЦМИД-4 В БЕТОНЕ

• Увеличивает прочностные характеристики бетона на 15-30%;
• Увеличивает значения морозостойкости до F600 и выше;
• Увеличивает водонепроницаемость до W12 и выше;
• Уменьшает усадочные деформации бетона;
• Увеличивает трещиностойкость бетона;
• Увеличивает адгезию бетона к старому бетонному основанию.

Бетоны с добавкой ЦМИД-4 относятся к бетонам с высокими эксплуатационными свойствами (вэс бетоны).

ВЭс бетоны широко применяются при строительстве, реконструкции и ремонте сложных промышленных объектов, а также используются в современном монолитном домостроении и производстве железобетонных конструкций.

В промышленности вЭс бетоны широко применяются на объектах:

• гидроэнергетики: ГЭс, ГРЭс в т.ч. в зоне пере- менного уровня воды и т.п.;
• хозяйствах водоканала: ж/б резервуары, заглубленные насосные станции, водозаборы и пр.
• ТЭс и ТЭЦ: ж/б градирни, дымовые трубы и пр.
• агропромышленность: ж/б хранилища минеральных и органических удобрений;
• дорожное строительство: дорожные и плиты перекрытия мостов, опоры мостов и путепроводов;
• атомная энергетика: ж/б могильники, помещения реакторов и пр.;
• Городское строительство: плиты фундаментов, заглубленные части сооружений, монолитное домостроение.

Упаковка добавки ЦМИД-4:

вид упаковки:	вес, кг:
биг-бэг	350-530
крафт-мешок	15. .….25*

*- упаковка в крафт-мешки подбирается исходя из условия удобства ввода добавки на 1 замес.

ПОРЯДОК ПРИМЕНЕНИЯ ДОБАВКИ ЦМИД-4

Добавка ЦМИД-4 применяется для получения любых классов бетонов, но наиболее часто она применяется для высокопрочных бетонов класса в 22,5 (расход цемента от 250 кг/м3) и выше,

и при производстве высокопрочных растворов при расходе цемента от 300 кг/м3.

ДОЗИРОВКА ДОБАВКИ ЦМИД-4

• Дозировка добавки ЦМИД-4 в 1м3 бетона составляет 5,5% -7% от массы цемента.
• Дозировка добавки ЦМИД-4 в 1м3 раствора составляет 6% -9% от массы цемента.

КОРРЕКТИРОВКА БЕТОННОЙ СМЕСИ С ДОБАВКОЙ ЦМИД-4

Применение добавки ЦМИД-4 предусматривает снижение водопотребности бетонной смеси (для п2– п4 в/Ц=0,36-0,39; для п5 – в/Ц=0,42), а также расхода цемента на 50-100кг/м3.

ПОРЯДОК  ПРИГОТОВЛЕНИЯ  БЕТОННОЙ   СМЕСИ

Добавка ЦМИД-4 вводится в процессе дозирования сыпучих компонентов, в следующей последовательности:

1. крупный заполнитель;
2. песок;
3. добавка Цмид-4;
4. вода.

Варианты введения добавки в условиях бру: 

• автоматизированные линии введения:

           — биг-бэг приемник;

           — шнековый транспортер;

           — дозатор;

           — смеситель.

• по ленточному транспортеру песка: требуемое количество добавки высыпается на транспортер и подается в смеситель совместно с песком.
• Требуемое количество добавки вводится непосредственно в смеситель, в процессе дозирования сухих компонентов.

Срок хранения в упаковке изготовителя, в сухом помещении 12 месяцев.

В таблице приведены ориентировочные расходы добавки в зависимости от содержания цемента в 1М3 бетона.

класс бетона*	расход Цемента, кг/м3	расход ЦМИД-4 кг/м3	в/Ц	Подвижность
в22,5 W6 F200	300	18,0¸19,0	0,36¸0,42	п2¸п5
в25 W6 F200	300¸340	19,0¸20,0	0,36¸0,42	п2¸п5
B 30 W8 F300	320¸360	20,0¸21,0	0,36¸0,42	п2¸п5
B 35 W8 F300	360¸400	21,5¸22,5	0,38¸0,42	п2¸п5
B 40 W12 F300	400¸440	21,5¸24,0	0,38¸0,42	п2¸п5
B 45 W 14 F300	440¸480	24,0¸26,5	0,38¸0,42	п2¸п5
B 50 W 16 F300	480¸520	27,0¸29,0	0,38¸0,42	п2¸п5
B 55 W 20 F600	520¸560	29,0¸34,0	0,38¸0,42	п2¸п5
B 60 W 20 F600	560	36,0¸42,0	0,38¸0,42	п2¸п5

* Указанные в таблице значения водонепроницаемости бетона (W) и морозостойкости (F) при введении добавки Цмид-4 могут достигать более высоких значений: не менее W 20, F600.

Характеристики бетонной смеси с добавкой цмид-4 и контрольного состава

		состав бетонной смеси , кг						характеристики бетонной смеси и бетона
		Цемент	песок	Щебень	добавка Цмид-4	вода	r	в/Ц	объемны вес бетонной смеси, т/м3	ок, см.	Vв.в, %	Прочность на сжатие, мПа
												7 сут	28 сут
контрольный состав бетона для класса в30	ок 5-9 см	420	725	1045	—	189	0,41	0,45	2,40	6	1,1	29,2	40,7
	ок 16-20 см	480	740	985	—	248	0,43	0,54	2,31	17	2,0	25,6	39,8
состав бетона для класса в30 с добавкой Цмид-4	ок 5-9 см	320	790	1110	18	112	0,41	0,35	2,38	9	4,5	34,5	40,5
	ок 16-20 см	340	810	1070	20	133	0,43	0,39	2,37	20	5,0	31,8	41,1

 

*испытания проводились на следующих составляющих: цемент пЦ500 д0 оао «старый оскол» ; песок «Реал» мкр=2,3; Щебень фр. 5-20 оао «Гранит кузнечное»

— поделиться ссылкой на страницу

Описание и расшифровка ПНСВ, что такое провод (кабель) ПНСВ

Изготавливается по ТУ.

Код ОКП 35 5813 04.

Входит в « Единый перечень продукции, подлежащей обязательной сертификации».

Изготавливается по ТУ.

Описание и конструкция провода ПНСВ

Токопроводящая жила — стальная, однопроволочная, круглой формы.

Изоляция — ПВХ пластикат или полиэтилен.

Условия монтажа и эксплуатации провода ПНСВ

Диапазон рабочих температур от -60°C до +50°C.

Диапазон прокладки и монтажа не ниже -15°C.

Провода стойки к воздействию воды и 20% водного раствора поваренной соли или 30% раствора щелочей Ca (OH)2 или NaOH.

Радиус изгиба проводов при монтаже должен быть не менее 5 наружных диаметров.

Смонтированные провода не должны пересекаться или прикасаться друг к другу, расстояние между проводами должно быть не менее 15 см.

Режим работы проводов повторно-кратковременный или длительный.

Подводка питания к нагревательной секции осуществляется «холодными» концами, места соединения нагревательного провода и «холодного» конца рекомендуется выводить за пределы обогреваемой зоны. Соединение «холодного» конца с нагревательными проводами рекомендуется производить методом пайки с применением бандажа из медной проволоки, посредством клеммных коробок и гильз. Допускается любой другой метод, обеспечивающий надежность соединения при эксплуатации проводов. Для достижения равномерности теплового поля смонтированный провод ПНСВ рекомендуется покрывать металлической фольгой толщиной 0,2 -0,5 мм.

Допускается изготовление нагревательных секций из 2-3 отрезков проводов, при этом соединение токопроводящих жил отрезков может производиться любым способом, обеспечивающим качество соединения.

Минимальный срок службы 16 лет.

Технические характеристики провода ПНСВ

Основные характеристики	Единицы измерения	ПНСВ 1х1,2
Материал изоляции		ПВХ — пластикат или полиэтелен
Электрическое сопротивление жилы	Ом/км	140
Электрическое сопротивление изоляции провода	МОм/км	1
Количество жил в проводе	шт	1
Номинальный диаметр токопроводящей жилы	d	1,2
Толщина изоляции жилы	s	0,8-0,17
Наружный диаметр провода	D	2,8
Макс. допустимая температура эксплуатации	t°C	80
Длина нагревательной секции проводов	м	110
Вес	кг/км	13

Бетонные заводы «СКИП» заказать от производителя ZZBO, цена, доставка, гарантия

Исходная сортировкаПо популярностиСортировка от последнегоЦены: по возрастаниюЦены: по убыванию

Showing all 7 results

2 826 100

в том числе НДС 20%

• Бетоносмеситель БП-1Г-450с
• Производительность, куб. метров за час 10…15
• Пневматика Camozzi
• Режим работы полуавтоматический
• Бункера (кол-во х объем куб. м) 2 х 5
• Компрессор Abac
• Исполнение летнее

3 776 200

в том числе НДС 20%

• Бетоносмеситель двухвальный БП-2Г-375с 375 литров
• Подача инертных в бетоносмеситель скиповая
• Производительность, куб. метров за час 10…15
• Режим работы полуавтоматический
• Бункера (кол-во х объем куб. м) 2 х 8
• Пневматика Camozzi
• Вместимость силоса (опция), тонн 22. ..315

3 575 200

в том числе НДС 20%

• Производительность, куб. метров за час 20…30
• Режим работы полуавтоматический
• Бетоносмеситель БП-1Г-900с
• Бункера (кол-во х объем куб. м) 2 х 5
• Пневматика Camozzi
• Компрессор Abac
• Исполнение летнее

4 904 500

в том числе НДС 20%

• Производительность, куб. метров за час 20…30
• Режим работы автоматический
• Бетоносмеситель БП-2Г-750с
• Бункера (кол-во х объем куб. м) 2 х 8
• Объем силоса цемента, т (опция) 22…120
• Пневматика Camozzi
• Компрессор Abac

6 567 500

в том числе НДС 20%

• Производительность, куб. метров за час 30…45
• Режим работы автоматический
• Бетоносмеситель БП-2Г-1200с
• Бункера (кол-во х объем куб. м) 2 х 20
• Объем силоса цемента, т (опция) 22…315
• Пневматика Camozzi
• Компрессор Abac

8 601 000

в том числе НДС 20%

• Производительность, куб. метров за час 45…60
• Режим работы автоматический
• Бетоносмеситель БП-2Г-1500с
• Бункера (кол-во х объем куб. м) 2 х 20
• Объем силоса цемента, т (опция) 22. ..315
• Пневматика Camozzi
• Компрессор Abac

10 434 900

в том числе НДС 20%

• Производительность, куб. метров за час 60…90
• Режим работы автоматический
• Бетоносмеситель БП-2Г-2250с
• Бункера (кол-во х объем куб. м) 3 х 20
• Объем силоса цемента, т (опция) 75…315
• Пневматика Camozzi
• Компрессор Abac

Расшифровка обозначения бетонного завода СКИП – XX:

---

• СКИП – скиповая подача инертных
• XX –  паспортная производительность бетонного завода (в куб. метрах смеси за час работы).

---

Бетонный завод рбу со скиповой подачей материалов в бетоносмеситель

Когда приобретаются стационарные бетонные заводы, то производители бетонных заводов обязаны заранее оговорить с покупателем варианты подачи инертных материалов в бетоносмеситель. Златоустовский Завод Бетоносмесительного Оборудования (ЗЗБО), которым осуществляется как производство бетонных заводов, так и продажа бетонных заводов, выпускает оборудование, обеспечивающее полный технологический цикл изготовления бетона. Его производственные мощности позволяют оснащать все участки технологической цепочки теми средствами подачи материалов, как того требует бизнес план бетонного завода покупателя. Это могут быть либо ленточная (конвейерная) подача инертных материалов, либо скиповый вариант.

---

Скип считается наиболее простым подъемным механизмом для перевозки сыпучих компонентов будущего бетона. Собственно, сам скип – это тележка бункерного типа, в которую насыпается материал. До верха бетоносмесителя она поднимается по наклонно расположенным направляющим. Тележка поднимается кверху стальными тросами, перемещение осуществляет электролебедка. Вал, на который наматывается трос, тянущий скип, расположен наверху. Датчики положения скипа устанавливаются в крайних положениях рабочего хода тележки, по их сигналам происходит загрузка или разгрузка механизма.

---

Включение скипа в техпроцесс отражено в обозначении бетонного завода. ЗЗБО в номенклатуре выпускаемой продукции обозначает буквой С вариант подачи материалов скипом, буквой Л – ленточный (конвейерный) способ доставки.

---

Декодирование абстрактных и конкретных представлений понятий на основе данных однократной фМРТ

Abstract

Ранее для декодирования слов, относящихся к конкретным категориям объектов, использовался многовоксельный анализ паттернов. В этом исследовании мы исследовали, была ли мозговая активность, основанная на одном испытании, достаточной, чтобы отличить абстрактные (например, милосердие) от конкретных (например, сарай) понятийных репрезентаций. Многочисленные исследования нейровизуализации выявили различия в обработке абстрактных и конкретных понятий на основе усредненной активности во времени с использованием одномерных методов.В этом исследовании мы использовали многовоксельный анализ паттернов для декодирования данных функциональной магнитно-резонансной томографии (фМРТ), когда участники выполняли задачу оценки семантического сходства на триплетах абстрактных или конкретных слов со схожими значениями. Классификаторы были обучены идентифицировать отдельные испытания как конкретные или абстрактные. Точность перекрестной проверки для классификации испытаний как абстрактных или конкретных была значительно выше случайной ( P < 0,05) для всех участников. Дискриминирующая информация распределялась по нескольким областям мозга.Более того, точность идентификации данных одного испытания для любого участника как абстрактных или конкретных также была надежно выше случайной ( P < 0,05), когда классификатор обучался исключительно на данных других участников. Эти результаты свидетельствуют о том, что абстрактные и конкретные концепции различаются по представлениям с точки зрения паттернов нейронной активности в течение короткого периода времени во всем мозге. Hum Brain Mapp, 2013. © 2012 Wiley Periodicals, Inc.

Ключевые слова: фМРТ, MVPA, язык

ВВЕДЕНИЕ

Репрезентации конкретных и абстрактных понятий в мозгу имеют отношение к пониманию языковой функции как у здоровых, так и у пациентов. [Эвиатар и др., 1990; Куперберг и др., 2008 г.; Мервис и Джон, 2008]. Ряд поведенческих преимуществ обработки конкретных по сравнению с абстрактными понятиями хорошо задокументирован и называется эффектом конкретности: конкретные слова усваиваются раньше во время развития, запоминаются и распознаются быстрее и точнее и менее уязвимы для повреждения мозга, чем абстрактные слова. [Кролл и Мервес, 1986; Маршарк и Корнольди, 1991 г.; Шваненфлюгель, 1991].

Многочисленные нейровизуализационные исследования предоставили данные о различных нейронных субстратах абстрактного и конкретного представления. В этих исследованиях изучались репрезентативные различия с использованием подхода статистического параметрического картирования, основанного на данных, усредненных по времени. Вопрос о том, можно ли обнаружить различия между абстрактными и конкретными понятиями в одном испытании, остается открытым. Дополнительным подходом к статистическому параметрическому картированию является использование многовоксельного анализа паттернов (MVPA), основанного на паттернах подхода, который обнаруживает реакцию нейронов путем совместного исследования информации в нескольких вокселях. Этот метод более чувствителен по сравнению с одномерным статистическим параметрическим картированием, которое локализует различия активации, усредненные по испытаниям [Haynes and Rees, 2006; Норман и др., 2006; О’Тул и др., 2007]. MVPA позволяет сосредоточиться на единичных испытаниях данных, которые потенциально могут быть использованы в будущем в интерфейсе мозг-компьютер.

MVPA был успешно использован для исследования того, как семантическая информация об объектах представлена ​​в мозгу. Предыдущие исследования репрезентации понятий позволили обнаружить нейронные реакции, связанные с просмотром категорий объектов [Carlson et al., 2003; Чан и др., 2011; Кокс и Савой, 2003 г.; Хэнсон и Гальченко, 2007 г.; Хэнсон и др., 2004; Хаксби и др., 2001; Просто и др., 2010; О’Тул и др., 2005 г.; Полын и др., 2005; Шинкарева и др., 2011; Шинкарева и др., 2008]. При этом категория объекта, который просматривал участник [Шинкарева и др., 2008], или конкретное существительное, которое читал участник [Just и др., 2010; Шинкарева и др., 2011] можно идентифицировать только на основе характерных паттернов нейронной активации других участников, устанавливая общность в том, как мозг разных людей представляет один и тот же объект.

В большинстве исследований MVPA по репрезентации понятий использовались графические стимулы [Carlson et al., 2003; Кокс и Савой, 2003 г.; Хэнсон и Гальченко, 2007 г.; Хансон и др., 2004 г.; Хаксби и др., 2001; О’Тул и др., 2005 г.; Полын и др., 2005; Шинкарева и др. , 2008]. Лишь в нескольких исследованиях MVPA применялась для декодирования семантических представлений о конкретных объектах на основе вербальных стимулов [Chan et al., 2011; Просто и др., 2010; Шинкарева и др., 2011]. По сравнению со зрительными изображениями предметов вербальные стимулы более независимы от зрительного восприятия и могут относиться к абстрактным понятиям.Можно ли отличить представление абстрактных понятий от конкретных понятий с помощью методов MVPA, неясно. В этой работе мы расширяем предыдущие выводы MVPA о репрезентации понятий, включая абстрактную категорию, которая в меньшей степени зависит от перцептивного или двигательного опыта [альтернативное объяснение см. в Barsalou, 1999; Лакофф и Джонсон, 1980]. Цель этого исследования была двоякой. Во-первых, мы исследовали, можно ли использовать методы MVPA для идентификации отдельных испытаний как абстрактных или конкретных внутри каждого человека путем декодирования функциональных паттернов активности всего мозга, тем самым расширив предыдущие исследования MVPA репрезентации понятий на абстрактные понятия. Мы также изучили, где в мозгу находится информация для различения абстрактных и конкретных понятий, сосредоточив внимание на пространственно локализованных анатомических областях мозга, которые содержали достаточно информации для идентификации абстрактных или конкретных понятий в среднем среди участников. Во-вторых, мы исследовали, похожи ли представления абстрактных и конкретных понятий у разных людей, обучив классификатор на всех участниках, кроме одного, а затем предсказав отдельные испытания как абстрактные или конкретные у исключенного участника.

МЕТОДЫ

Участники

Тринадцать участников (шесть женщин) из сообщества Университета Южной Каролины приняли участие в этом эксперименте и дали письменное информированное согласие в соответствии с Институциональным контрольным советом Университета Южной Каролины. Участники были правшами, здоровыми взрослыми и носителями английского языка.

Материалы

Стимулы представляли собой триплеты слов, состоящие из семантически сходных существительных из двух конкретных (инструменты и жилища) и двух абстрактных (познание и эмоции) категорий (таблица вспомогательной информации S1). Каждая категория содержала четыре экземпляра, по четыре разных слова в каждом экземпляре. Например, слова «нож», «скальпель», «лезвие бритвы» и «абордажная сабля» составили образец режущего предмета в конкретной категории «инструменты». Для каждого примера было выбрано шесть различных триплетов из всех возможных перестановок четырех слов. Поскольку шесть триплетов в каждом образце относятся к одному и тому же семантическому понятию, эти триплеты рассматривались как повторения одного и того же экземпляра. Каждое из 16 образцов было представлено шесть раз, при этом каждое повторение состояло из уникального списка троек, всего было получено 96 троек (4 категории × 4 образца × 6 повторений).Триплеты были сбалансированы между абстрактными и конкретными категориями по частоте слов [ M _{Аннотация} = 27,86 и М _Бетон = 31,98, t (94) = −0,53, P = 0,60] и длина слова [ M _{Аннотация} = 7,25 и М _Бетон = 6,83, т (94) = 1,84, Р = 0,07].

Экспериментальная парадигма

Во время сканирования участников просили высказать суждения о семантически сходных написанных словах, аналогично парадигме синонимических суждений [Breedin et al., 1994; Ноппени и Прайс, 2004 г.; Сабсевитц и др., 2005]. В каждом испытании триплет слов предъявлялся в течение трех секунд, после чего следовал семисекундный период фиксации. Для каждой тройки участников просили решить во время трехсекундной презентации тройки, какое из двух слов в нижней части дисплея больше похоже на слово, показанное вверху. Во время демонстрации семисекундной фиксации участнику было предложено очистить разум и сосредоточиться на кресте в центре экрана.Задача была разработана, чтобы вызвать тщательную оценку каждого элемента и его свойств, тем самым неявно выявляя семантическое представление представленного образца. Проба длительной фиксации продолжительностью 24 секунды была представлена ​​после каждого повторения 16 образцов. Участников подсказывало слово «Готов?» после длительной фиксации, чтобы указать на начало следующего повторения. Весь эксперимент был завершен за два сеанса сканирования с тремя повторениями 16 образцов в каждом сеансе.

Получение МРТ

Функциональные изображения были получены с помощью градиентного эха EPI на сканере Siemens 3T Trio в Центре визуализации мозга МакКосленда Университета Южной Каролины со следующими параметрами: TR = 2200 мс, TE = 30 мс и 90°. угол переворота. Тридцать шесть косоосевых срезов были визуализированы без зазора. Матрица сбора данных составляла 64 × 64 пикселя с вокселами 3 × 3 × 3 мм.

Предварительная обработка данных фМРТ

Данные были скорректированы с учетом движения головы, а затем нормализованы в стандартный шаблон в SPM5 (http://www.fil.ion.ucl.ac.uk/spm). Во-первых, артефакты движения головы были исправлены на основе преобразования твердого тела с шестью параметрами. Движение головы в любом направлении любого участника было менее 1,5 мм. Первое изображение использовалось в качестве эталонного объема для повторного выравнивания. Среднее функциональное изображение было создано и зарегистрировано в стандартном стереотаксическом пространстве с использованием шаблона Монреальского неврологического института (MNI), полученного из EPI, а параметры регистрации использовались для нормализации выровненных функциональных изображений.

Методы MVPA

Этапы анализа MVPA, используемые в этой работе, аналогичны тем, которые были успешно использованы в других исследованиях MVPA [Mitchell et al., 2008; Шинкарева и др., 2011; Шинкарева и др., 2008]. Классификаторы были обучены среднему процентному изменению сигнала (PSC) функциональной активности для каждого триплета слов в обучающем наборе для определения когнитивных состояний, связанных с обработкой абстрактных и конкретных понятий. Для данных каждого участника среднее значение PSC каждого воксела представляло собой отношение разницы сигналов между триплетами слов и исходным сигналом к ​​исходному сигналу.Исходный уровень был рассчитан по усредненному сигналу в испытаниях с длительной фиксацией. Сигнал каждого триплета рассчитывали путем усреднения двух объемов, смещенных на 4,4 с от начала стимула (третий и четвертый объемы одного испытания), чтобы учесть задержку функции гемодинамического ответа. Кроме того, PSC в каждом вокселе были нормализованы по триплетам, чтобы иметь среднее значение 0 и дисперсию 1, чтобы уравнять вариации в разных вокселях [Pereira et al. , 2009].

Выбор признаков

Чтобы уменьшить размер данных перед классификацией, соответствующие признаки были извлечены с использованием вокселей с наиболее последовательными откликами на различные условия при перекрестной проверке [Pereira et al., 2009]. Стабильность ответа рассчитывали путем усреднения попарных коэффициентов корреляции между векторами повторений всех экземпляров [Шинкарева и др., 2011]. Воксели с наименьшей стабильностью ответа были удалены. Обоснование выбора признаков на основе стабильности заключалось в том, что если воксель бессистемно реагировал между повторениями в разных условиях, маловероятно, что он будет содержать информацию, связанную с различными условиями. Эта процедура была основана только на обучающих данных, чтобы избежать переобучения.Мы исследовали различное количество вокселей, сохраняемых при выборе признаков, вместо того, чтобы выбирать произвольный порог.

Классификация среди участников

Классификатор логистической регрессии использовался для абстрактной и конкретной двусторонней классификации. Как широко используемый классификатор, логистическая регрессия напрямую оценивает свои параметры по обучающим данным [Bishop, 2006]. Этот классификатор был выбран потому, что он прост, с меньшей вероятностью приводит к переобучению по сравнению с нелинейными классификаторами и успешно применялся в предыдущих исследованиях [Mitchell et al., 2004; Перейра и др., 2009]. Чтобы обеспечить беспристрастность оценки эффективности классификации, точность классификации оценивалась с использованием процедуры шестикратной перекрестной проверки, где каждая кратность соответствовала одному повторению всех образцов. Повторы были разделены длительным периодом фиксации, таким образом, была обеспечена независимость между тренировочной и тестовой выборками.

Для каждой перекрестной проверки обученные классификаторы применялись к каждому испытанию в наборе тестов, чтобы классифицировать его как абстрактное или конкретное, и сообщалось о доле испытаний, которые были правильно классифицированы.Для каждого участника полученная точность сравнивалась с эмпирически сгенерированным нулевым распределением, сформированным 1000 точностью классификации, полученной из того же набора данных, но со случайно переставленными метками.

Чтобы найти воксели, которые в наибольшей степени способствовали классификации отдельных испытаний как абстрактных или конкретных (далее — информативные воксели), для каждой перекрестной проверки были определены воксели с самым высоким и самым низким пятью процентами весов логистической регрессии. Для каждого участника было визуализировано объединение таких вокселей на сгибах перекрестной проверки.Чтобы исследовать согласованность информативных местоположений вокселей у разных людей, для участников была создана карта вероятности расположения вокселов после свертки каждого вокселя с гауссовым ядром 4 мм [Kober et al., 2008]. Карта вероятностей была дополнительно ограничена смоделированным распределением нулевой гипотезы при P = 0,05 (с поправкой на FWE).

Кроме того, для идентификации каждого из 16 экземпляров использовались классификаторы полиномиальной логистической регрессии. Для простоты количество вокселей на этапе выбора признаков в этом анализе было установлено равным 400. Выбор признаков, перекрестная проверка и тестирование значимости были такими же, как описано выше.

Анализ области интереса (ROI)

Для изучения того, как различающая информация распределяется в мозге, классификаторы были обучены на данных одной из 90 анатомически определенных областей за раз [Шинкарева и др., в печати]. ROI были определены с помощью автоматизированной анатомической маркировки [AAL; Tzourio-Mazoyer et al., 2002]. Среднее значение PSC во всех вокселах серого вещества в каждой области интереса использовалось для обучения классификаторов логистической регрессии.Чтобы узнать, содержит ли анатомическая область достаточную информацию для декодирования абстрактных или конкретных понятий в среднем среди участников, точность классификации для каждой области сравнивалась с биномиальным распределением B ( n, p ), где n — число триплетов, а p — вероятность успешной идентификации триплета как абстрактного или конкретного при гипотезе о том, что триплеты случайным образом отнесены к двум категориям [Pereira et al. , 2009]. P -значения (рассчитанные с использованием нормального приближения) были получены для средней точности классификации, рассчитанной среди участников для каждого региона. Значения P -для анатомически определенных областей сравнивались с уровнем значимости 0,05 с использованием поправки Бонферрони для множественных сравнений.

Классификация среди участников

Чтобы проверить сходство нейронного представления абстрактных и конкретных понятий у разных людей, классификаторы были обучены на данных всех участников, кроме одного, чтобы идентифицировать испытания как абстрактные или конкретные у исключенного участника.Был применен выбор функций на основе энтропии, чтобы сохранить воксели, содержащие наиболее стабильную информацию для разных людей. Для каждого вокселя энтропия Шеннона вычислялась на основе данных двенадцати человек в обучающем наборе, упорядоченном по отдельным экземплярам в абстрактных и конкретных категориях. Выбор признаков на основе энтропии был подтвержден как эффективный показатель чувствительности вокселя к изменению условий [Poldrack et al. , 2009]. Для простоты были выбраны верхние 20% наиболее стабильных вокселей, то есть вокселей с самыми низкими значениями энтропии.Для каждой перекрестной проверки классификатор обучался на данных PSC от всех участников, кроме одного, который был тестовым набором данных. Эта процедура была повторена для всех участников. Точность классификации сравнивалась с эмпирически сгенерированным распределением, сформированным 1000 точностью классификации, полученной из того же набора данных, но со случайно переставленными метками. Точность со значениями P меньше 0,05 считалась значимой.

РЕЗУЛЬТАТЫ

Поведенческие результаты

Не было никаких существенных различий в среднем времени реакции между участниками между суждениями об абстрактных и конкретных триплетах [ M _{Аннотация} = 1.66 и М _Бетон = 1,69, т (12) = -0,85, P = 0,41]. Более того, ни один из отдельных участников не продемонстрировал значительных различий во времени реакции между абстрактными и конкретными триплетами (90 005 p 90 006 варьировались от 0,08 до 0,94). Эти результаты позволяют предположить, что вынесение суждений об абстрактных или конкретных триплетах не отличалось сложностью.

Классификация внутри участников на основе всего мозга

Когда классификаторы были обучены идентифицировать триплеты слов как абстрактные или конкретные, средняя точность среди участников была значительно выше, чем случайность ( P < 0.05) для всех пороговых уровней (рис. ). Точность классификации для одного участника достигла 90,62% (87 из 96 троек были правильно идентифицированы как абстрактные или конкретные). Точность классификации была самой высокой, когда количество вокселов, используемых для классификации, варьировалось от 50 до 3000. Точность была надежно выше случайной для большинства участников, даже когда в анализ были включены все воксели.

Точность классификации внутри участников для определения испытаний как абстрактных или конкретных, суммированных по 13 участникам в виде коробчатых диаграмм, показана как функция различного количества вокселей.

Расположение вокселей с наибольшим весом классификатора для определения испытаний как абстрактных или конкретных было распределено в нескольких областях мозга и было одинаковым для всех участников. Например, когда при выборе признаков сохранялось 400 вокселей, наиболее информативные воксели для идентификации абстрактных понятий, постоянно обнаруживаемые у участников, были расположены в левой нижней лобной извилине, средней височной извилине и задней части поясной извилины; наиболее устойчивые информативные воксели для выделения конкретных понятий располагались в левой угловой извилине, веретенообразной извилине, нижней височной извилине, средней лобной извилине, задней поясной извилине и предклинье (рис.).

Согласованность информативных вокселей среди участников. Панель A : наиболее информативные воксели для декодирования абстрактных и конкретных концепций, представленных участниками, показаны на поверхности, отображаемой при трех пороговых значениях выбора признаков: сохранение 400, 1000 или 3000 вокселей. Участники были упорядочены по точности классификации внутри участников. Теплым цветом отмечены верхние 5% вокселей, которые были наиболее информативны для определения абстрактных испытаний. Холодным цветом отмечены верхние 5% вокселей, которые были наиболее информативны для идентификации конкретных испытаний.Панель B : Карты вероятности с пороговым значением ( P = 0,05, с поправкой FWE) информативных вокселей, которые последовательно идентифицировались у всех 13 участников. [Цветной рисунок можно посмотреть в онлайн-выпуске, который доступен на сайте wileyonlinelibrary.com.]

Кроме того, классификаторы были обучены идентифицировать конкретный экземпляр, относительно которого участник выносил суждения о сходстве. Классификация достигла средней точности 14,4% среди участников для классификации экземпляра в одну из 16 категорий (по сравнению с 9.38% при P = 0,05 уровень значимости). Образцы были достоверно ( P <0,05) идентифицированы для 11 из 13 участников. Большинство ошибок, которые допускал классификатор, относились к одной и той же абстрактной или конкретной категории (рис. ). Таким образом, паттерны мозговой активности, связанные с вынесением суждений о сходстве абстрактных или конкретных понятий, могут быть расшифрованы на основе одной попытки, что предполагает различные представления абстрактных и конкретных понятий.

Образцовая матрица путаницы в классификации, усредненная по участникам.Значение каждого элемента указывает долю экземпляров, идентифицированных как соответствующая метка. [Цветной рисунок можно просмотреть в онлайн-выпуске, который доступен на сайте wileyonlinelibrary.com.]

Классификация внутри участников на основе отдельных ROI

Чтобы выяснить, содержат ли отдельные регионы достаточную информацию для декодирования абстрактных и конкретных понятий, были обучены классификаторы. использование вокселей только из одной анатомической области за раз. Пятьдесят два из 90 ROI оказались надежными ( P < 0. 05) точность классификации в среднем по участникам. Эти области были распределены по височным, лобным, теменным и затылочным долям билатерально, тогда как области с наибольшей точностью были в основном в левом полушарии (рис. 1). Из 52 информативных ROI 30 находились в левом полушарии, включая 15 ROI с наивысшей средней точностью среди участников. Для всех информативных ROI правого полушария левые гомологи также содержали информацию для успешной идентификации.Среди этих пар двусторонних областей средняя точность классификации среди участников была выше в левом полушарии, за исключением язычной извилины. Пять областей интереса, в том числе левая средняя височная извилина, левое предклинье, левая угловая извилина, левая средняя затылочная извилина и левая прецентральная извилина, показали значительную точность для всех участников (рис. ). Эти результаты соответствовали расположению информативных вокселей при анализе всего мозга (рис. 1). Таким образом, несколько областей мозга содержат информацию, достаточную для декодирования абстрактных представлений понятий в сравнении с конкретными.

Для каждой анатомически определенной области интереса показана средняя точность классификации среди участников для идентификации испытания как абстрактного или конкретного. Области со значительной средней точностью среди участников ( P = 0,05) показаны на поверхности шаблона мозга (http://www.cabiatl.com/mricro/mricron/index.html). ROI упорядочены по средней точности классификации среди участников. Пунктирная линия указывает на порог значимой точности. [Цветной рисунок можно посмотреть в онлайн-выпуске, который доступен на wileyonlinelibrary.com.]

Точность классификации для идентификации испытаний как абстрактных или конкретных показана для каждой ROI и каждого участника. Значительная точность ( P = 0,05) показана цветом. ROI упорядочены по средней точности классификации среди участников. Участники упорядочены по точности внутри участников на основе 400 вокселей. [Цветной рисунок можно просмотреть в онлайн-выпуске, который доступен на сайте wileyonlinelibrary. com.]

Классификация между участниками на основе всего мозга

Классификаторы были обучены на данных 12 участников, чтобы определить, можно ли испытания как абстрактные или конкретные у исключенного участника.Средняя точность идентификации триплетов как абстрактных или конкретных среди участников, когда классификатор был обучен на данных других участников, составила 84,13% ( P < 0,001). Триплеты слов были достоверно ( P < 0,05) идентифицированы для всех 13 участников с точностью от 62,50% до 93,75% (рис. 1). Этот результат указывает на общность представления абстрактных и конкретных понятий у разных людей.

Высокая точность классификации среди участников для определения отдельных испытаний как абстрактных или конкретных на основе данных других участников.Пунктирная линия показывает P = 0,05 уровень значимости. Участники упорядочены по точности внутри участников на основе 400 вокселей.

ОБСУЖДЕНИЕ

Мы смогли успешно идентифицировать модели активности мозга как абстрактные или конкретные на основе данных одного испытания. Это исследование расширило предыдущие результаты по репрезентации конкретных слов [Chan et al., 2011; Просто и др., 2010; Шинкарева и др., 2011] к абстрактным понятиям. По сравнению с исследованиями, в которых изучались различия активации в представлении абстрактных и конкретных понятий, это исследование предполагает, что нейронные реакции во время обработки абстрактных и конкретных семантических понятий могут быть идентифицированы по распределенным паттернам активности на индивидуальной пробной основе.

Более того, выносил ли участник суждения о сходстве абстрактных или конкретных понятий, можно было определить исключительно на основании данных других участников, несмотря на анатомическую и функциональную изменчивость мозга отдельных людей [Fedorenko and Kanwisher, 2009]. Он поддерживает кросс-индивидуальные принципы обработки семантических понятий. Классификация психических состояний индивидов ранее была показана для визуально изображаемых объектов [Шинкарева и др., 2008], конкретных существительных, относящихся к физическим объектам [Just et al. , 2010; Shinkareva et al., 2011], обнаружение лжи [Davatzikos et al., 2005], задачи на внимание [Mourão-Miranda et al., 2005], когнитивные задачи [Poldrack et al., 2009] и повоксельное соответствие у разных людей было продемонстрировано во время просмотра фильмов [Hasson et al., 2004]. Текущее исследование впервые демонстрирует способность идентифицировать психические состояния участника как обработку абстрактных или конкретных понятий на основе данных нейронной активации от других участников.

Классификация в пределах отдельных анатомически определенных областей показала, что паттернов активности даже в отдельных областях было достаточно для идентификации испытаний как абстрактных или конкретных.Настоящие результаты регионов с различающей информацией показывают значительное совпадение с результатами метаанализа, основанного на предыдущих исследованиях статистического параметрического картирования, обнаруживающих различия между абстрактным и конкретным представлением семантического понятия [Binder et al. , 2009; Ван и др., 2010]. Все регионы, кроме одного, ранее идентифицированные метаанализом (таблица), также содержали информацию, достаточную для идентификации испытаний как абстрактных или конкретных в текущем исследовании (рис.). По результатам метаанализа также были определены шесть лучших ROI с самой высокой средней точностью. Однако это единственное исследование выявило более информативные области по сравнению с объединенными результатами исследований ранних поражений и нейровизуализации. На самом деле, текущие результаты более сопоставимы с набором предыдущих одномерных результатов (рис. ).

Пики активации для абстрактного и конкретного представления из 19 исследований показаны на шаблоне мозга (см. Wang et al., 2010 для списка исследований и результатов метаанализа).[Цветной рисунок можно просмотреть в онлайн-выпуске, который доступен на сайте wileyonlinelibrary.com.]

Таблица I

Постоянные области мозга, различающие абстрактное и конкретное (на основании Wang et al. , 2010)

Аннотация > Бетон

Leferior Frontal Gyrus

Lefer Miflial Tribal Gyrus

Lever WREMAL GURUS

Бетон> Аннотация

Left Fusiform

левый парахпокампАмпалгейт

задняя поясная извилина

Левое предклинье

Левое полушарие в очень значительной степени участвовало в идентификации абстрактных и конкретных понятий. Тридцать из 45 ROI левого полушария показали значительную точность в среднем среди участников. Ряд областей правого полушария также содержал информацию об абстрактной и конкретной дифференциации. Предыдущие исследования обнаружили различия в активации в некоторых из этих областей правого полушария, но с низкой последовательностью перекрестных исследований [Binder et al., 2005; Д’Эспозито и др., 1997; Флиссбах и др., 2006 г.; Гроссман и др., 2002; Харрис и др., 2006 г.; Джессен и др., 2000; Меллет и др., 1998; Перани и др., 1999а; Сабсевитц и др., 2005; Теттаманти и др., 2008 г.; Валлентин и др., 2005; Whatmough и др., 2004]. Конкретное исследование информативных ROI показывает, что некоторые из этих областей считались типичными для различий между абстрактными и конкретными представлениями понятий, тогда как другие области не всегда обнаруживались в предыдущей литературе. Например, результаты, по крайней мере, одного из количественных метаанализов семантической обработки выявили, что левая нижняя лобная извилина, левая средняя височная извилина и левая верхняя височная извилина и борозда больше вовлечены в обработку абстрактных, чем конкретных понятий; в то время как билатеральная угловая извилина, левая веретенообразная извилина, левая парагиппокампальная извилина, левая задняя поясная извилина и левое предклинье, как было установлено, постоянно более вовлечены в конкретную, чем в абстрактную обработку понятий [Binder et al. , 2009; Ван и др., 2010].

Впервые в одном эксперименте было идентифицировано такое большое количество информативных областей мозга для представления абстрактных и конкретных понятий. Обширное пространственное распределение различающей информации может отражать отсутствие ограничения семантического контекста во время обработки одного слова. По сравнению со словом, указанным в осмысленном предложении, обработка одного слова в задаче, связанной с семантикой, может более активно стимулировать богатый контекст слова [Price, 2010].Однако результаты MVPA напрямую не раскрывают свойства информации, отраженной в данных [Hanke et al., 2010]. Что говорят эти результаты о процессах, лежащих в основе нейронных различий между обработкой абстрактных и конкретных понятий? В следующих разделах этот вопрос будет обсуждаться сначала на основе наиболее последовательно идентифицируемых областей мозга, а затем на основе областей, о которых сообщалось менее последовательно.

Левая средняя височная извилина

Точность классификации этой отдельной области достигла 74. 52% среди участников, что поразительно, учитывая точность 79,17%, основанную на вокселях, распределенных по всему серому веществу мозга. В ряде исследований сообщается о большей активации левой средней височной извилины для репрезентации абстрактных, чем конкретных понятий [Grossman et al., 2002; Харрис и др., 2006 г.; Ноппени и Прайс, 2004 г.; Пексман и др., 2007 г.; Сабсевитц и др., 2005; Теттаманти и др., 2008 г.; Валлентин и др., 2005]. Было показано, что многие аспекты языковой обработки связаны с активностью в этой области, включая явное или неявное чтение слов [Paulesu et al., 2001], понимание речи [Binder, et. др., 2000; Криньон и др., 2003; Дэвис и др., 2007 г.; Davis and Johnsrude, 2003], запоминание слов [Ojemann et al., 1988] и исполнительное требование семантического суждения [Whitney et al., 2011]. Возрастающая активация в этой области также связана с обработкой слов с более высокой лексической частотой при имплицитной семантической обработке [Graves et al., 2010]. Одной из наиболее вероятных ассоциаций этой области с текущими результатами является ее ключевая роль в сопоставлении семантических понятий со словами, что обычно отражается в задачах называния объектов или идентификации изображений [Boatman et al. , 2000; Перани и др., 1999b; Шварц и др., 2009]. Кроме того, левая средняя височная извилина также участвует в извлечении концептуальных знаний, связанных с манипулированием объектами [Jastorff et al., 2010], что предполагает основанный на свойствах «трансмодальный» способ кодирования или извлечения понятий этой области [Binder et al. , 2009; Месулам, 1998]. Таким образом, сильно различающие паттерны активности в этой области могут быть связаны с разной силой ассоциации с физическими объектами или конкретностью между абстрактными и конкретными понятиями.

Другой вероятной причиной того, что средняя височная извилина является исключительно информативной для классификации, является ее участие в контекстно-зависимом кодировании значений слов. Левая средняя височная извилина, наряду с нижней лобной извилиной и парагиппокампальной извилиной, была идентифицирована при обретении нового значения слова [Mestres-Missé et al., 2008]. Исследования, манипулирующие синтаксической двусмысленностью, предполагают, что эта область может быть задействована в устранении неоднозначности значений слов на основе контекста предложения [Gennari et al. , 2007; Родд и др., 2010]. Поскольку суждение о сходстве требует, чтобы участник проводил тонкие различия в контексте синонимичных троек, левая средняя височная извилина может быть одной из наиболее важных областей для представления семантической информации, поэтому она более чувствительна к абстрактным, а не к конкретным различиям.

Левая нижняя лобная извилина

Треугольная и орбитальная части левой нижней лобной извилины очень информативны для абстрактного и конкретного декодирования.Этот результат не удивителен, учитывая тот факт, что левая нижняя лобная извилина является одной из наиболее канонических областей, обнаруженных в противопоставлении абстрактное > конкретному в предыдущей литературе [Binder et al., 2005; Фибах и Фридеричи, 2004 г.; Флиссбах и др., 2006 г.; Фридеричи и др., 2000; Джессен и др., 2000; Ноппени и Прайс, 2004 г.; Перани и др., 1999а; Пексман и др., 2007 г.; Сабсевитц и др., 2005; Теттаманти и др., 2008 г.; Валлентин и др., 2005]. Предполагается, что роль левой нижней лобной извилины многогранна. Было обнаружено, что левая треугольная и орбитальная части, наряду с другими префронтальными областями, чувствительны к возрастающей абстрактности понятия в семантической задаче принятия решения [Goldberg et al., 2007] и явным требованиям семантического поиска [Friederici et al., 2000; Петерсен и др., 1988; Вагнер и др., 2001]. В нескольких исследованиях предполагается, что активность левой нижней лобной извилины не отражает процесс семантического поиска как таковой, а скорее отражает специфическое выполнение требования семантического отбора [Demb et al., 1995; Нагель и др., 2008 г.; Томпсон-Шилль и др., 1997]. Согласно этим выводам, успешная классификация в пределах левой нижней лобной извилины в текущем исследовании может быть связана со стратегическим вербальным поиском в репрезентации абстрактных понятий. Вербальное представление значений слов не имеет приоритета во время семантической обработки, но когда доступной априорной информации, например деталей восприятия и образов, недостаточно, вербальное представление вмешивается, чтобы облегчить семантическую обработку.

Другая линия доказательств предполагает важность фонологической обработки в левой нижней лобной извилине для абстрактной и конкретной дифференциации. Левая крыльчатая часть, область с умеренной, но все же значительной точностью классификации, связана с фонологической рабочей памятью [Binder et al., 2005; Бертон, 2001; Zatorre et al., 1992], а также последовательность фонем и напевных нот [Gelfand and Bookheimer, 2003]. Различия в характере активности в этой области могут быть связаны с тем, как долго информация удерживается в фонологической петле.Это согласуется с гипотезой о том, что обработка абстрактных слов занимает оперативную память в большей степени, чем конкретные слова, поскольку требует дополнительной семантической обработки [Binder et al., 2005]. Таким образом, эта область может подразумевать естественную трудность представления абстрактных понятий, даже если не обнаруживается различий в поведенческих реакциях.

Предклинье и задняя поясная извилина

Эти две структуры в левом полушарии постоянно идентифицировались в конкретном > абстрактном контрасте в предыдущей литературе [e. г., Биндер и др., 2005; Харрис и др., 2006 г.; Меллет и др., 1998; Пексман и др., 2007 г.; Сабсевитц и др., 2005]. Из-за их близости в расположении, а также их структурной и функциональной связности [Castellanos et al., 2008; Каванна и Тримбл, 2006 г.; Франссон и Маррелек, 2008 г.; Мизель и Уитон, 2010 г.; Vogt et al., 2006], мы обсуждаем их в объединенном разделе. Было показано, что предклинье участвует в различных задачах, требующих создания мысленных образов, таких как мысленное вращение [Butler et al., 2006; Коэн и др., 1996; Gauthier et al., 2002] и кодирование и извлечение зрительно-пространственной эпизодической памяти [Aggleton and Pearce, 2001; Флетчер и др., 1995; Гаем и др., 1997; Меллет и др., 2000; но также см. Krause et. др. 1999]. Двустороннее предклинье также связано с воображаемыми движениями [Hanakawa et al., 2003; Малуин и др., 2003]. Точно так же задняя часть поясной извилины была обнаружена в пространственной репрезентации и эпизодическом поиске мест [Sugiura et al. , 2005], в образах счастливых событий [Mantani et al., 2005], распознавание имени [Sugiura et al., 2009] и маршрут запоминания [Katayama et al., 1999], что предполагает его участие в создании образов во время задач памяти. Эти результаты вместе с результатами классификации абстрактных и конкретных слов согласуются с гипотезой двойного кодирования: представление конкретных понятий облегчается дополнительной системой кодирования образов из-за более подробной перцептивной информации по сравнению с абстрактными понятиями.

Левая веретенообразная извилина

Левая веретенообразная извилина связана с распознаванием объектов, называнием цветов и чтением слов в зрительной и слуховой формах [см. обзор Price and Devlin, 2003]; функции репрезентации конкретных категорий объектов четко локализованы в рамках подобластей этого региона [Martin, Chao, 2001].Частое отождествление веретенообразной извилины в отличие от конкретного > абстрактного представления объясняется простотой мысленного порождения признаков объектов, представленных конкретными понятиями [D’Esposito et al. , 1997; Меллет и др., 1998; Местрес-Миссе и др., 2009; Уайз и др., 2000]. В дополнение к предыдущему предположению о модально-специфической области зрительного ввода [например, Cohen et al., 2002; Kanwisher et al., 1997], недавно было обнаружено, что левая веретенообразная извилина интегрирует сенсорную информацию от других входных модальностей и даже связывает визуальные стимулы формы со свойствами более высокого порядка [Devlin et al., 2006; Дерманн и др., 2010]. Левая задняя часть веретенообразной извилины была охарактеризована как семантически обрабатывающая слова, представляющие объекты [Wheatley et al., 2005]. Вовлечение областей восприятия в различение абстрактной и конкретной обработки слов предполагает перцептивное обоснование представления конкретных семантических понятий.

Угловая извилина и нижняя теменная долька

Двусторонняя угловая извилина является еще одной областью с высокой точностью классификации, которая последовательно идентифицируется исследованиями нейровизуализации для большей активации в конкретных представлениях по сравнению с абстрактными представлениями слов [Binder et al. , 2005; Флиссбах и др., 2006 г.; Сабсевитц и др., 2005]. Примечательно, что большинство окружающих его областей в левом полушарии, включая верхнюю височную извилину, среднюю височную извилину и нижнюю теменную дольку, относятся к числу наиболее информативных областей абстрактной и конкретной классификации. Предполагается, что левая угловая извилина имеет решающее значение для передачи и организации мультимодальной сенсомоторной информации для концептуализации более высокого уровня [Geschwind, 1965] и для сборки вербальной информации в слуховой рабочей памяти для задач интегративного понимания [Dronkers]. и другие., 2004; Pugh et al., 2000], поэтому неудивительно, что угловая извилина является одним из центров интегративной семантической обработки и извлечения знаний [Binder et al., 2009]. Левая нижняя теменная долька была связана с интегрирующими признаками для семантической категоризации [Koenig et al., 2005]. Информационное содержание, достаточное для декодирования абстрактных и конкретных репрезентаций понятий в этих областях, особенно в левом полушарии, может отражать различие между абстрактными и конкретными на уровне семантического сравнения, что является следствием различий либо в перцептивно-моторной информации, либо в мысленных образах. или связывать словесные контексты.

Левая верхняя височная извилина

Левая верхняя височная извилина больше активируется при репрезентации абстрактных, чем конкретных понятий в нескольких предыдущих исследованиях [Grossman et al., 2002; Перани и др., 1999а; Пексман и др., 2007]. Эта область была связана со сборкой фонологии в восприятии [Booth et al., 2004; Scott et al., 2000] и производства [Buchsbaum et al., 2001; Хикок и др., 2000]. Активность билатеральных верхних височных извилин также связана с влиянием семантического контекста [Friederici et al., 2003; Van Petten and Luka, 2006] и задачу семантического суждения [D’Esposito et al., 1995]. Следовательно, значительная точность классификации в этой области может быть вызвана более длительной обработкой абстрактных, чем конкретных понятий в фонологическом цикле, или более сильной зависимостью абстрактных понятий от семантического контекста.

Удивительно, что отдельные регионы сами по себе содержат достаточно информации для расшифровки представленных понятий. Вполне вероятно, что достаточная информация для определения категории представлена ​​в нескольких различных регионах.Некоторые из областей различения, как обсуждалось выше, были связаны с функциями, отличными от семантической обработки, что поднимает вопрос о том, были ли успешные результаты классификации обусловлены исключительно репрезентативными различиями абстрактных и конкретных понятий. Сбалансированные лексические характеристики стимулов и поведенческие результаты позволяют предположить, что сложность задачи вряд ли будет помехой. Мы считаем, что такое широкое вовлечение регионов связано с многочисленными механизмами, задействованными в обработке семантических понятий.Обработка абстрактных и конкретных понятий может различаться по нескольким аспектам, таким как богатство семантического контекста, система кодирования, стратегия поиска или занятость рабочей памяти. Ряд областей, идентифицированных в текущем исследовании, был показан в предыдущих исследованиях с использованием статистического параметрического картирования, но не в том же эксперименте, для одной задачи и ограниченного количества стимулов. Одной из причин, исходя из текущих результатов, может быть недостаточная чувствительность при обнаружении различий.Эти результаты позволяют предположить, что репрезентация абстрактных и конкретных понятий дифференцирована по разным аспектам, а не по единому механизму. Дальнейшие исследования могут помочь осветить репрезентативное содержание в областях, которые поддерживают идентификацию категорий в форматах стимулов, например, исследования с использованием повторения элементов [Grill-Spector et al., 1999; Джеймс и др., 2002; Vuilleumier et al., 2002] или Dynamic Adaptive Imaging [Cusack et al., 2011].

Используя многовоксельный анализ паттернов, это исследование успешно идентифицировало паттерны мозговой активности как абстрактные или конкретные на основе данных одного испытания, предполагая, что психические состояния участников во время обработки абстрактных и конкретных семантических понятий можно было идентифицировать по распределенным паттернам активности на на индивидуальной пробной основе. Способность определить, представлял ли участник абстрактные или конкретные понятия исключительно из данных других участников, предполагает, что кросс-индивидуальные принципы обработки этого типа знаний аналогичны.

Ученые разработали «программируемые» частицы цемента для достижения улучшенных свойств — ScienceDaily

Наведение порядка в беспорядке является ключом к созданию более прочного и экологичного цемента, пасты, связывающей бетон.

Ученые из Университета Райса расшифровали кинетические свойства цемента и разработали способ «программирования» микроскопических полукристаллических частиц внутри.Этот процесс превращает частицы из неупорядоченных комков в упорядоченные кубы, сферы и другие формы, которые в совокупности делают материал менее пористым и более прочным.

Их исследование опубликовано в журнале Королевского химического общества Journal of Materials Chemistry A .

Этот метод может привести к более прочным конструкциям, требующим меньшего количества бетона, а чем меньше, тем лучше, говорит ученый-материаловед Райс и ведущий автор Роузбех Шахсавари. Мировое производство более 3 миллиардов тонн бетона в год в настоящее время выбрасывает до 10 процентов углекислого газа, парникового газа, выбрасываемого в атмосферу.

Путем обширных экспериментов Шахсавари и его коллеги расшифровали наномасштабные реакции — или «морфогенез» — кристаллизации в цементе на основе гидрата силиката кальция (C-S-H), который скрепляет бетон.

Впервые они синтезировали частицы CSH в различных формах, включая кубы, прямоугольные призмы, дендриты, ядра-оболочки и ромбоэдры, и нанесли их на единую морфологическую диаграмму для производителей и строителей, которые хотят проектировать бетон снизу вверх. .

— Мы называем это программируемым цементом, — сказал он. «Большой прогресс в этой работе заключается в том, что это первый шаг в управлении кинетикой цемента для получения желаемой формы. Мы показываем, как можно контролировать морфологию и размер основных строительных блоков CSH, чтобы они могли самостоятельно собираться в микроструктуры. с гораздо большей плотностью упаковки по сравнению с обычными аморфными микроструктурами CSH».

Он сказал, что эта идея сродни самосборке металлических кристаллов и полимеров.«Это горячая зона, и исследователи этим пользуются», — сказал Шахсавари. «Но когда дело доходит до цемента и бетона, чрезвычайно сложно контролировать их сборку снизу вверх. Наша работа дает первый рецепт такого продвинутого синтеза.

«Сначала в наших реакциях автоматически формируются затравочные частицы, а затем они доминируют в процессе, когда вокруг них формируется остальная часть материала», — сказал он. «В этом его прелесть. Это рост in situ, опосредованный затравкой, и не требуется внешнего добавления затравочных частиц, как это обычно делается в промышленности для ускорения кристаллизации и роста.»

Предыдущие методы создания упорядоченных кристаллов C-S-H требовали высоких температур или давлений, длительного времени реакции и использования органических прекурсоров, но ни один из них не был эффективным или безвредным для окружающей среды, сказал Шахсавари.

Лаборатория риса создала правильные кубы и прямоугольники, добавив небольшое количество поверхностно-активных веществ с положительными или отрицательными ионами и силикат кальция в CSH и подвергнув смесь воздействию углекислого газа и ультразвука. Зародыши кристаллов формировались вокруг мицелл ПАВ в течение 25 минут.Уменьшение содержания силиката кальция привело к образованию большего количества сферических частиц и более мелких кубов, а увеличение его количества привело к образованию слипшихся сфер и взаимосвязанных кубов.

Как только формируются кальцитовые «семена», они заставляют молекулы вокруг себя собираться в кубы, сферы и другие формы, которые на несколько порядков больше. По словам Шахсавари, они могут более плотно упаковываться в бетон, чем аморфные частицы. Тщательное регулирование концентрации предшественника, температуры и продолжительности реакции позволяет варьировать выход, размер и морфологию конечных частиц.

Открытие является важным шагом в конкретных исследованиях, сказал он. Он основан на его работе в составе группы Массачусетского технологического института, расшифровавшей молекулярную «ДНК» цемента в 2009 году. «В настоящее время нет контроля над формой CSH», — сказал Шахсавари. «Используемый сегодня бетон представляет собой аморфный коллоид со значительной пористостью, что влечет за собой снижение прочности и долговечности».

Бетон

является одним из направлений лаборатории риса Шахсавари, которая изучала как его производство в макромасштабе, так и внутренние свойства в наномасштабе.Поскольку бетон является наиболее распространенным строительным материалом в мире и значительным источником атмосферного углекислого газа, он убежден в важности разработки «более экологичного» бетона.

Новый метод имеет несколько экологических преимуществ, сказал Шахсавари. «Во-первых, вам нужно меньше его (бетона), потому что он прочнее. Это связано с лучшей упаковкой кубических частиц, что приводит к более прочным микроструктурам. нежелательные химикаты, чтобы найти путь через бетон, поэтому он лучше защищает стальную арматуру внутри. »

Исследование требовало от команды разработки метода проверки микроскопических частиц бетона на прочность. Исследователи использовали наноиндентер с алмазным наконечником, чтобы раздробить отдельные частицы цемента с плоским краем.

Они запрограммировали индентор так, чтобы он перемещался от одной наночастицы к другой и раздавливал ее, а также собирали механические данные о сотнях частиц различной формы за один проход. «Другие исследовательские группы тестировали объемный цемент и бетон, но ни одна группа никогда не исследовала механику отдельных частиц CSH и влияние формы на механику отдельных частиц», — сказал Шахсавари.

Он сказал, что стратегии, разработанные в ходе проекта, могут иметь значение для других приложений, включая инженерию костной ткани, доставку лекарств и огнеупорные материалы, а также могут повлиять на такие сложные системы, как керамика и коллоиды.

Расшифровка комментариев вашего инструктора

Вот краткий список слов (и их общих сокращений), которые многие инструкторы использовать, когда они отвечают на письма своих учеников. Иногда эти слова кажутся сбивающими с толку студентам, поэтому мы перевели их и предложили несколько советов по повторению.

Если предложение или отрывок расплывчаты, они часто содержат абстрактные, а не конкретные существительные. Вот некоторые другие причины неопределенности:

• местоимение не имеет четкого существительного, к которому оно относится
• вы написали «это», чтобы обратиться к идее из предыдущего предложения, но это неясно какую идею ты имеешь в виду
• вы поставили так много предложений между подлежащим и глаголом, что предложение стало трудным следовать.

Если вы обнаружите, что пишете расплывчато или нечетко

• убедитесь, что каждый раз, когда вы используете местоимение, вы можете указать на существительное, которое оно заменяет
• всегда ставьте существительное после «this»
• убедитесь, что ваш глагол следует за подлежащим, без промежуточных предложений.

Из-за структуры предложения или выбора слов смысл отрывка трудно понять. следить.

Если вы считаете, что пишете неловко

• убедитесь, что ваш глагол следует за подлежащим без промежуточных предложений
• включите переходные слова, чтобы помочь читателю понять вашу логику
• используют прямые, конкретные слова, а не высокопарные выражения; ваш инструктор заботится о ваших идеях, а не о вашей способности использовать тезаурус
• использовать активную, а не пассивную конструкцию
• если это уместно, назовите подлежащее конкретным существительным
• используйте яркие, активные глаголы, а не формы «быть».

Инструкторы используют этот термин, чтобы обозначить, что выбранное вами слово не подходит или не не имеет смысла в предложении. Такие проблемы возникают, когда вы действительно не понимаете материал, о котором вы пишете, или когда вы тянете слова, с которыми вы незнакомый. Хорошим первым шагом будет поиск слова в словаре. Если ты найдешь что с дикцией проблемы, прочтите вслух свою статью про себя.Часто, читая вслух помогает вам услышать проблемы, которые вы не видите, когда читаете молча. Если проблемы настойчиво, попросите друга прочитать газету, особенно отыскивая слова, которые не кажутся чтобы выразить значение, которое вам нужно. Преподаватели Центра письма могут помочь как объективные читатели.

Этот комментарий относится к структуре предложения. Если твой синтаксис — твой порядок слов, фразы или предложения — мешают смыслу, ваш читатель заметит проблему.Чтобы исправить, см. предложения по неловкости.

Удаление ненужных слов в письме — хорошая дисциплина. ты не хочешь хоронить свои идеи в словах, которые не вносят вклада в смысл. Во избежание многословия

• использовать конкретные существительные и яркие глаголы
• избегайте пустых слов, таких как «аспект», «случай», «фактор», «поле», «вид», «ситуация», «вещь», «тип»
• заменять отдельные слова многословными фразами (например,г., используйте «потому что», а не «из-за того, что тот»)
• исключить ненужные повторы (например, «вернуться снова», сотрудничать вместе)
• избегайте начинать слишком много предложений со слов «есть» или «это» (или «есть», «там были» и др. )
• объединяйте предложения, чтобы избежать повторения слов.

Расшифровка Силиконовой долины: руководство для предпринимателей изнутри

В Силиконовой долине, где умных идей может показаться пруд пруди, истинным предпринимателям требуется преданная готовность превратить иллюзорную идею во что-то конкретное и ценное.

 

На прошлой неделе The Fabric провела встречу в своем офисе в Маунтин-Вью, на которой два эксперта из Силиконовой долины, Джонатан Баер и Мишель Мессина, написавшие книгу, помогающую предпринимателям добиться большего успеха в создании и развитии компаний, поделились своим ценным вкладом с любознательным аудитория из 80 рачительных предпринимателей.

 

Мероприятие началось с веселой встречи и приветствия, во время которой участники общались и общались между собой за закусками и напитками. Затем встречу открыл Прем Талреха, венчурный капиталист и старший вице-президент по маркетингу и развитию бизнеса в The Fabric, который описал модель The Fabric для совместного создания стартапов в облачной инфраструктуре следующего поколения. Он мгновенно наладил контакт с аудиторией, объяснив, почему Силиконовая долина является теплицей для новых инновационных предприятий, и поделился своим взглядом на стратегии новых предприятий.

 

Затем наши впечатляющие спикеры подвели итоги своего исследования и представили свои идеи по теме «Расшифровка Кремниевой долины». Они порадовали аудиторию, поделившись своим видением уникального подхода Силиконовой долины к созданию, росту и масштабированию компаний, а также поделились лучшими практиками, выделив распространенные заблуждения. Они рассказали об ошибках, которых предпринимателю следует избегать на дороге, и раскрыли невидимое SV, которое должен испытать предприниматель. Они завершили свою презентацию, поделившись реальными отраслевыми примерами таких компаний, как Evernote, 500, HWVP (Hummer Winblad Venture Partners) и Net Eye.

Встреча завершилась оживленной сессией вопросов и ответов, в ходе которой возбужденная аудитория задавала интересные вопросы. The Fabric организовала сюрприз для публики, где счастливые победители забрали домой копию книги «Расшифровка Кремниевой долины», сумки для ноутбуков и сумки для обеда.

Некоторые участники остались далеко позади после завершения встречи и вступили в захватывающую дискуссию с Премом Талрехой о стратегиях, которые новое предприятие должно принять, чтобы найти путь к успеху. Кто знает, когда это обсуждение вдохновит кого-то из участников на создание новой компании? Но это Силиконовая долина, и все возможно.Я, например, наслаждался и многому научился.

Посетите здесь, чтобы узнать больше о The Fabric

http://www.thefabricnet.com/fabricportfolio/

Присоединяйтесь к форуму встречи CloudBlazers

http://www.meetup.com/The-Fabric-CloudBlazers-Forum/

Подпишитесь на нас в Твиттере

Tweets by TheFabricNet

Обнаружение трещин на бетонных поверхностях с использованием сверточной нейронной сети Deep Encoder-Decoder: сравнительное исследование между U-Net и DeepLabV3+ | Хадината

Чен, Л. К., Папандреу Г., Шрофф Ф. и Адам Х., 2017. Переосмысление сложной свертки для семантической сегментации изображений. Препринт arXiv arXiv:1706.05587 .

Чен, Л. К., Чжу, Ю., Папандреу, Г., Шрофф, Ф., и Адам, Х., 2018. Кодер-декодер с Atrous Separable Convolution для сегментации семантического изображения. В Трудах Европейской конференции по компьютерному зрению (ECCV) , стр. 801-818.

Шолле, Ф., 2017. Xception: Глубокое обучение с помощью глубоких отделимых сверток.В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 1251–1258.

Goutte, C., & Gaussier, E., 2005. Вероятностная интерпретация точности, отзыва и F-показателя с последствиями для оценки. В Европейской конференции по поиску информации , стр. 345-359. Шпрингер, Берлин, Гейдельберг.

He, K., Zhang, X., Ren, S., & Sun, J., 2015. Углубленное изучение выпрямителей: превосходство на уровне человека по классификации Imagenet.В Материалы международной конференции IEEE по компьютерному зрению , стр. 1026-1034.

Иоффе, С., и Сегеди, К., 2015. Пакетная нормализация: ускорение обучения глубокой сети за счет уменьшения внутреннего ковариатного сдвига. В Международной конференции по машинному обучению , стр. 448-456. ПМЛР.

Кингма, Д. П., и Ба, Дж., 2014. Адам: метод стохастической оптимизации. Препринт arXiv arXiv:1412.6980 .

Лонг Дж., Шелхамер Э.и Даррелл, Т., 2015. Полностью сверточные сети для семантической сегментации. В материалах конференции IEEE по компьютерному зрению и распознаванию образов , стр. 3431-3440.

Миллетари Ф., Наваб Н. и Ахмади С. А., 2016 г. V-Net: полностью сверточные нейронные сети для объемной сегментации медицинских изображений. В 2016 г. четвертая международная конференция по 3D зрению (3DV) , стр. 565-571. IEEE.

Наир, В., и Хинтон, Г. Э., 2010. Выпрямленные линейные единицы улучшают ограниченные машины Больцмана.В Icml .

Qian, N., 1999. О термине импульса в алгоритмах обучения градиентного спуска. Нейронные сети , 12 (1), стр. 145-151.

Роннебергер О., Фишер П. и Брокс Т., 2015 г. U-Net: сверточные сети для сегментации биомедицинских изображений. В Международная конференция по обработке медицинских изображений и компьютерному вмешательству , стр. 234-241. Спрингер, Чам.

Сривастава Н., Хинтон Г., Крижевский А., Суцкевер И., & Салахутдинов, Р., 2014. Отсев: простой способ предотвратить переобучение нейронных сетей. Журнал исследований машинного обучения , 15 (1), стр. 1929–1958.

Ян, X., Ли, Х., Ю, Ю., Луо, X., Хуанг, Т., и Ян, X., 2018. Автоматическое обнаружение и измерение трещин на уровне пикселей с использованием полностью сверточной сети. Компьютеризированное гражданское и инфраструктурное проектирование , 33 (12), стр. 1090-1109.

Расшифровка мыслей в абстракции

Исследователи расшифровали абстрактные понятия, о которых думают люди — например, справедливость , правда и прощение — просто анализируя сканирование их мозга.

До сих пор этот тип «декодирования мыслей» в основном ограничивался конкретными понятиями, такими как яблоко и молоток . Новые результаты, однако, предполагают, что скользкие идеи, которые не относятся к физическому миру, также обитают в разных частях мозга.

Исследование является работой психолога Марселя Жюста и аспиранта Роберта Варгаса из Университета Карнеги-Меллона в США.

Интуитивно понятно, говорят они, что физические или «конкретные» объекты, такие как молотки и яблоки, будут одинаково представлены в мозгу у разных людей.Торговые инструменты и плоды по своей природе однозначны.

Это утверждение родилось в науке о нейронном декодировании, где модели активности при сканировании мозга используются для определения того, о чем кто-то думает.

Джаст, например, использовал сканирование мозга, чтобы предсказать, когда человек читает предложения, относящиеся к конкретным вещам, например, «наводнение повредило больницу».

Но, учитывая нечеткость абстрактных идей, таких как справедливость и этика, интуиция работает в другую сторону – можем ли мы и для них разделить общее мозговое пространство?

Чтобы выяснить это, Варгас и Джаст поместили девять человек в МРТ-сканер и показали им набор из 28 абстрактных понятий, представленных в виде слов.

Эти воздушные понятия пришли из мира математики (например, вероятность, умножение), науки (гравитация, тепло), общества (сплетни, запугивание), эмоций (счастье, гнев), права (этика, преступление), метафизики (причинность, необходимость). ) и религии (божество, вера).

Затем пара провела кропотливый анализ сканирований, в котором машинное обучение сочеталось с так называемым многовоксельным анализом паттернов, чтобы найти сходство в реакциях мозга участников.

Оказывается, абстрактные идеи менее переменчивы, чем мы думали.

Исследователи смогли определить концепции, которые имели в виду люди, просто взглянув на их сканирование мозга. И они сделали это со средней точностью 0,82 по шкале, где 0,5 — это просто случайность.

«Для меня самым захватывающим результатом этого исследования было то, что мы смогли предсказать паттерны нейронной активации для отдельных абстрактных понятий у людей», — говорит Варгас.

«Невероятно думать, что моя концепция вероятности и духовности нейронно похожа на концепцию другого человека, даже если их опыт духовности отличается.

Затем они вдвоем провели дальнейший анализ, чтобы отобразить представления мозга об абстрактных понятиях на более грубом «категориальном» уровне.

Они обнаружили, что некоторые абстрактные идеи имеют социальное содержание, необходимое для понимания таких вещей, как сплетни и запугивание. Другие концепции лежат в континууме между «внутренним» и «внешним» мирами, например, сознание и гравитация.

Однако, пожалуй, наиболее важным является их вывод о том, что мы склонны представлять абстрактные идеи в виде слов, в отличие от конкретных объектов, которые формируют «восприятие» на основе того, как они активируют пять чувств.

«[А]бстрактные понятия вызывают меньшую активацию в областях, связанных с перцептивной обработкой, и вызывают большую активацию в областях, тесно связанных с вербальной обработкой», — пишут авторы в журнале Cerebral Cortex.

Что поднимает колючий вопрос о том, продвинулась ли наука «чтения мыслей» теперь, чтобы включить абстрактное.

«Называть эту работу чтением мыслей слишком броско, — говорит Джаст.

«Для меня это доказательство того, что мы определили некоторые элементы системы индексации мозга — вербальное представление, внешнее/внутреннее и социальное измерение — которые наш мозг использует для кодирования понятий, не имеющих физического проявления в мире.

Получайте обновления научных статей прямо на свой почтовый ящик.

Детальное нейронное декодирование с распределенными представлениями слов —- Институт психологии Китайской академии наук

Декодирование слов фМРТ означает декодирование того, что думает человеческий мозг, путем интерпретации сканов функциональной магнитно-резонансной томографии (фМРТ) людей, которые смотрят или слушают слова, что представляет собой своего рода технологию чтения мыслей. Существующие работы по расшифровке слов из данных изображений в значительной степени ограничивались конкретными существительными из относительно небольшого числа семантических категорий. Кроме того, в таких исследованиях используются разные парадигмы представления слова-стимула и разные вычислительные модели, в которых отсутствует всестороннее понимание влияния различных факторов на декодирование слов фМРТ. В этой статье мы представляем крупномасштабную оценку восьми моделей встраивания слов и их комбинаций для декодирования мелкозернистых данных фМРТ, связанных с тремя классами слов, записанных из трех парадигм представления стимула. В частности, мы исследуем следующие исследовательские вопросы: (1) Как декодер изображений мозга работает с разными классами слов? (2) Как работает декодер изображений мозга в различных парадигмах предъявления стимулов? (3) Насколько хорошо каждая модель встраивания слов позволяет нам расшифровывать паттерны активации нейронов в человеческом мозгу? Кроме того, мы анализируем наиболее информативные воксели, связанные с различными классами слов, парадигмами представления стимулов и моделями встраивания слов, чтобы изучить их нейронную основу.Результаты показали следующее: (1) Различные классы слов могут быть декодированы наиболее эффективно с помощью различных моделей встраивания слов. Конкретные существительные и глаголы легче различить, чем абстрактные существительные и глаголы. (2) Среди трех парадигм представления стимула (изображение, предложение и облако слов) парадигма изображения достигает наивысшей точности декодирования, за ней следует парадигма предложения. (3) Среди восьми моделей встраивания слов наилучшую производительность демонстрирует модель, кодирующая визуальную информацию, за которой следуют модели, кодирующие текстовую и контекстную информацию.(4) По сравнению с конкретными существительными, которые активируют в основном области мозга, связанные со зрением, абстрактные существительные активируют более широкие области мозга, такие как визуальные, языковые сети и сети пассивного режима. Более того, и парадигма изображения, и модель, кодирующая визуальную информацию, имеют более тесные связи с областями мозга, связанными со зрением, чем другие парадигмы и модели встраивания слов соответственно.