Приклады и цевья для ружей ИЖ-18 и МР-18
Замена цевья МР-18 (ИЖ-18)
Отвести защелку цевья вниз и снять цевье с ружья. Далее потребуется крестовая отвертка. Открутить два винта, удерживающих защелку цевья ИЖ-18 (МР-18). Вытащить защелку цевья. Открутить винт, удерживающий шарнир цевья. Вытащить винт и втулку цевья. Сборка нового цевья производится в обратной последовательности. В цевье уже подготовлен паз для защелки, а также просверлены отверстия для винтов. Новое цевье необходимо осаживать под каждое ружье, т.е. подгонять под необходимые размеры. Это несложно. Осадка цевья производится уже после того, как цевье в сборе. В результате цевье ИЖ-18 (МР-18) должно плотно прилегать к стволу и защелка цевья должна закрыться. Если цевье не прилегает плотно к стволу — сточите наждачной бумагой внутренние углы цевья со стороны шарнира цевья в том месте, которым цевье должно прилегать к расширенной части ствола. Немного сточив края, производите примерку.
Замена приклада МР-18 (ИЖ-18)
Снятие приклада можно произвести, не снимая цевье и не разбирая ружье. Для замены приклада открутите крестовой отверткой два винта, удерживающих затыльник приклада. Вставьте отвертку с плоским шлицем 10 мм и выкрутите винт приклада. Раскачивая приклад ИЖ-18 (МР-18) вытащите его из коробки ружья. Выкрутите руками антабку из старого приклада и вкрутите в новый приклад. Установка и сборка приклада производится в обратной последовательности. Осаживать приклад для ИЖ-18 (МР-18), как правило, не приходится. Но если все таки он не устанавливается с первой попытки — сточите наждачной бумагой внутреннюю поверхность приклада в местах стыковки к коробке ружья. Будьте аккуратны, не торопитесь. Сняв небольшой слой с приклада наждачной бумагой — примерить на ружье.
Иж-18 / МР-18 | БЕЗ ПОРОХА
<Any>Арбалеты / Луки-Арбалеты—Блочные—Рекурсивные—Арбалеты-пистолеты—Bowmaster—Man Kung—Poe Lang—Прочие-Луки—Блочные—Классические—Традиционные-Стрелы / Наконечники—Стрелы для арбалета—Стрелы для лука—Наконечники—Инсерты—Оперение—Хвостовики—Экстракторы стрел-Запчасти для арбалетов-Аксессуары для арбалетов-Аксессуары для луков—Полочки—Прицелы—Краги—Релизы / Напальчники—Пип-сайты-Колчаны / Киверы / Пеналы-Инструмент-Щиты / СтрелоулавливателиСтрайкбол-Оружие по типу—Автоматы АК-серии—Автоматы М-серии—Автоматы прочие—Винтовки—Пистолеты-пулемёты—Пистолеты—Пулемёты-Оружие по производителю—Cyma—Gletcher—E&L—King Arms—LCT—WE—Прочие-Магазины / лоадеры-Шары-Газ-Очки / Маски-Аккумуляторы и ЗУ-Аксессуары-Запчасти—Внешние элементы / обвес—Gear-box—Электро компоненты—Хоп-ап—Для СО2 / green gas оружияПневматическое оружие-А+А (Атаман)-Baikal (ИМЗ)-ASG-Borner-Crosman-Cybergun-Gamo-Gletcher-Hatsan-Smersh-Stalker-Umarex-ПрочиеПули / Шарики-Пули калибра 5,5 мм-Пули калибра 6,35 мм-Квинтор-Люман-Шмель-Crosman-Gamo-Haendler & Natermann-JSB-RWS-Шарики ВВ-ПрочиеCO2 баллоныОптика-Оптические прицелы—ВОМЗ (Pilad)—Nikko Stirling—Target Optic—Leapers—Прочие-Коллиматорные прицелы-Диоптрические прицелы-Лазерные целеуказатели-Подствольные фонари-Аксессуары для оптикиКронштейны-По типу крепления—Weaver / Picatinny—Ласточкин хвост—Боковые кронштейны—Наствольные кронштейны—Планки—Другие-По производителю—ВОМЗ—ЭСТ (г.
Предоставляем изделия двух видов, прокрашенные морилкой или не крашенные, то есть светлые или темные, на ваш выбор; Морилка имеет цвет 92 «темный орех»;  | |
Производим изделия из ореха, бука, фанеры, шпона и березы, выберите соответствующую позицию в нашем каталоге;
| |
Покупая комплект из приклада и цевья вы получаете оба изделия в одном оттенке, текстуре и цвете, так как комплекты выполняются из одной болванки. Это придаст эстетики вашему оружию. | |
Мы производим изделия по среднестатистическим параметрам охотника, рассчитаны на покупателя с параметрами: H — 380 мм — ширина груди по подмышкам — если разница +- 50 мм то вам так же подойдет стандартное изделие; | |
На вариантах Монте-Карло и Люкс бывают различные варианты подщечников:
Выбранного подщечника может быть не в наличии. Выбор подщечника — платная услуга, уточняйте у менеджера. |
Жизнь охотника. Ружьё МР-18. Обзор моделей и характеристики
Ружьё МР-18 славится своей известностью среди не только охотников, но и просто любителей оружия, которым нравится стрелять на стенде по тарелкам.
Популярность за пределами страны доказывает в очередной раз надёжность, простоту и безопасность этого ружья. Наши конструкторы уже долгие годы работают над созданием оружия, которое будет работать в самых экстремальных условиях.
С интервалами во времени появляются некоторые экземпляры, которые завоёвывают уважение и признательность среди оружейников и охотников. Отдельное внимание следует уделить ружью МР-18.
В самом начале возникновения охоты с огнестрельным оружием были только одноствольные ружья, которые нечем было заменить. Со временем появились двуствольные модели, но полностью об одностволках не забыли.
В наши дни полуавтоматические ружья имеют один ствол, что ещё раз подтверждает лидирующее место одностволок среди всего ассортимента оружия.
Несомненно, что сейчас с таких моделей можно сделать по несколько выстрелов, поскольку в конструкции есть магазин на пять патронов, а иногда даже больше.
Почему ружьё МР-18 понравилось охотникам?
Cодержание статьи:
Для охоты можно использовать многие модели ружей, но не каждое имеет хороший баланс и прикладистость, что необходимо для быстрой и точной стрельбы.
В большинстве случаев на охоте приходится стрелять навскидку и без долгих прицеливаний, поскольку дичь появляется часто внезапно, и нет времени на долгие размышления. Охотник должен реагировать молниеносно.
Таким образом, у ружья должен быть хороший баланс, прикладистость и лёгкий вес, чтобы максимально повысить положительный исход выстрела. Всеми этими характеристиками обладает МР-18, поэтому охотники хорошо о нём отзываются.
Кроме этого, цена на данную модель доступна даже самому бедному охотнику, который в дальнейшем сможет добыть много трофеев с таким оружием.
Начинающим охотникам трудно подобрать что-то более подходящее, чем данная модель ружья, поскольку в ней сочетаются простота конструкции, надёжный механизм с безупречным предохранителем.
Особенности конструкции и модели
Состоит это ружьё из минимального набора необходимых элементов, которые позволяют вести стрельбу. Здесь нет каких-то изысков и вспомогательных механизмов, которые повышают не только эффективность стрельбы, но и цену.
Ударно-спусковой механизм, который аккуратно встроен в металлическую коробку, ствол, качающийся рычаг за скобой спускового крючка, обеспечивающий запирание, предохранитель и экстрактор, извлекающий гильзы.
Такой простой набор механизмов и получается неплохое ружьё для охоты. Было создано несколько моделей этого ружья, о которых мы сейчас поговорим.
МР-18М-М и его модификации
Данная модель ружья выпускается с дульными сужениями, которые могут быть уже изначально постоянными или же входить отдельно в комплект, как сменные, что позволяет применять оружие на самых разнообразных охотах.
Хромированный ствол и патронник только придают ружью большей привлекательности. Есть вариант с наличием прицельной планки.
Приклад вместе с цевьём, как правило, делают из берёзы, бука или ореха. Эти породы деревьев считаются самыми распространёнными в производстве прикладов.
МР-18ЕМ-М
Это ружьё имеет все те же характеристики, что вышеуказанное, но только оснащено наличием эжектора, который выбрасывает гильзы.
Сам эжектор можно легко отключить с помощью специального рычага. Таким образом, не требуется осуществлять никаких разборок, но стоит помнить, что он сразу же включается при открывании ствола.
МР-18ЕМ-М Спортинг
Если Вы хотите отработать навыки стрельбы, то данная модель ружья подойдёт лучше всего. Его можно уверенно назвать современным одноствольным и спортивным оружием, которое прекрасно подойдёт для всех, кто хочет научиться стрелять.
У ружья есть вентилируемая прицельная планка, колодка ружья покрыта никелем, а спусковой крючок позолоченный. В дульной части ствол имеет специальные компенсирующие отверстия.
Мушка ружья флуоресцирующая, а ложа типа Монте-Карло. Гильзы выбрасываются автоматически, когда открывается ствол, поскольку есть эжектор. Дульные сужения можно менять.
МР-18МК-М
Есть охотники, для которых классика всегда на первом месте. Они любят охотиться с ружьями, у которых внешние курки.
Именно для таких ценителей была выпущена данная модель. Ударный механизм включает в себя наружный курок, предохранительный взвод и курок с отбоем. С помощью такого механизма ружьё легко открывается.
Под конец хочу обратить внимание, что длина ствола почти у всех моделей составляет 710 мм, но под патрон в 76 мм ствол может быть 750 мм. Вес ружья составляет 2,8 кг.
Центр МРТ-диагностики Верум
Певзнер Светлана Евгеньевна — ГБОУ ВПО «Ижевская государственная медицинская академия» Министерства здравоохранения и социального развития РФ, диплом, квалификация ВРАЧ, по специальности «Лечебное дело».— ГБОУ ВПО «Ижевская государственная медицинская академия» Министерства здравоохранения и социального развития РФ, диплом, о послевузовском профессиональном образовании (интернатура), квалификация ВРАЧ, по специальности «Рентгенология».
— ГБОУ ВПО «Ижевская государственная медицинская академия» Министерства здравоохранения и социального развития РФ, диплом, о послевузовском профессиональном образовании (ординатура), квалификация ВРАЧ, по специальности «Рентгенология».
— Курсы повышения квалификации по программе «Основы МРТ — теория и практика» в размере 680 часов на базе межрегионального томографического центра «Магнесия».
— Победитель I-го всероссийского конкурса врачей-рентгенологов «Окончательный диагноз»
— Удостоверение о повышении квалификации «Компьютерная и магнитно-резонансная томография заболеваний печени и желчевыводящих путей» ( 2017г) Научно-практический центр медицинской радиологии Департамента здравоохранения города Москвы
— Участник ХI Всероссийского национального конгресса лучевых диагностов и терапевтов «Радиология 2017г»
— Диплом «Лучший врач отделения диагностики конкурса «Клиника года 2017»
— Удостоверение о повышении квалификации «дифференциальный диагноз в нейрорадиологии:топический подход» Медицинская школа ЕМС
— Участник международной конференции «Современные подходы в лечении геморрагического Инсульта» ( 2018г)
— Курс повышения квалификации » От теории к практике в артрологии» кафедра лучевой диагностики ЕМС Медикал Скул ( 2018г)
— Участник X Международного конгресса «Невский радиологический форум-2018»
— Приглашенный лектор в Медицинскую школу ЕМС с лекциями на темы: «Строение брюшины и забрюшинного пространства», «Аденокарцинома поджелудочной железы», «Патология гипоталамо-гипофизарной области» (2018г)
— Курс повышения квалификации «Заболевания поджелудочной железы» кафедра лучевой диагностики ЕМС Медикал Скул ( 2018г)
— Цикл повышения квалификации «Ошибки при МРТ исследовании брюшной полости и органов малого таза» Казань(2018г.)
— Участие в экспертной комиссии V международного медицинского турнира ( 2018г)
— АНОВО «Европейский Университет «Бизнес Треугольник» диплом о профессиональной переподготовке «Организация здравоохранения и общественное здоровье»
— АНОВО «Европейский Университет «Бизнес Треугольник» сертификат специалиста «Организация здравоохранения и общественное здоровье»
Основные направления деятельности:
— Ведущий лектор учебной программы «Повышение квалификации врачей МРТ-центров Магнесия и Верум»
— Главный консультант МР-исследований по нейрорадиологии, малому тазу.
— Работа на высокотехнологичных и новейших методах нейровизуализации(МР-перфузии, МР-спектроскопии).
— Главный специалист центра контроля качества в исследованиях по нейрорадиологии.
Диплом ВСГ 5550915 от 22.06.2010г.
Сертификат «Рентгенология» №0118310088827 от 16.12.2020 г.
Сертификат «Организация здравоохранения и общественное здоровье» №782700043077 от 21.01.2019г.
МР-18 МН, нарезное ружье — Охота Рыбалка
Легендарная русская «трехлиня» на просторах нашей страны и среди наших соседей, любителей русского оружия давно стала безусловным символом надежности.
Его простая конструкция, техническая простота, простота механизма и основного принципа действия были и остаются непревзойденным сочетанием свойств. Это была гармония всех этих факторов, и сегодня она остается приоритетом при выборе надежного стрелкового оружия как профессионалами, так и начинающими любителями.
Несмотря на огромный ассортимент современного огнестрельного оружия для выполнения гражданских задач, в том числе такие модели от всемирно известных производителей, как Blaser R 95, Brunner ZBK 99, Merkel Kl, Heym 44B, Sabatti SKL 98, а также «Меркель», «Блейзер» »Или« Хайм »продукция ижевских мастеров остается популярной и востребованной.
Обзор пистолета МР-18 МН
Довольно часто начинающих охотников интересуют самые простые, а главное недорогие модели отечественного производства, которыми удобно пользоваться при проведении чистки и смазки.Консультанты интернет-магазинов и профессиональные игровые менеджеры рекомендуют самый простой, не подвергающийся никаким художественным изысканиям типовой образец — фитинг калибра МР-18 МН. 308Win, он же 7, 62 * 51.
Повышая качество прицельной стрельбы на глиняного голубя или возможности охоты, ниппель можно унифицировать, установив оптику. Прицел ВОМЗ Р 8 * 48 Л серийного типа «Пилад» крепится на кронштейнах матовой оправы 18 мин.
Используется для стрельбы патронами отечественного производства НПЗ, а также немецкими — RWS и сербскими патронами Prvi Partizan.
Возраст марки ИЖ-18 МН уже перешагнул двадцатилетний порог, особенно для охотничьей фурнитуры резьбового типа с недостатком хрома в плакированном дульном канале.
Преимущества и недостатки
Основными достоинствами считаю хорошую прицельную кучность огня, простоту обслуживания, возможность использования в экстремальных температурных условиях — горячих или холодных, а также в условиях экстремально высокой влажности. Также важна и доступная ценовая категория.
Наиболее существенные недостатки — это громкий и жесткий спуск и частые сбои в процессе выполнения стрельбы отечественными патронами. В этом случае вы теряете такой важный показатель, как точность стрельбы. У некоторых пользователей недостаточно обработки древесины, что требует шлифовки древесины и обработки лака.
Винтовка МР-18 МН (фото)
Назначение
Чок для ружья типа МР-18 МН предназначен для охоты на крупную дичь и птиц. Это могут быть как трофеи в виде верховой дичи — глухарь, глухарь, зайцы, бобры, так и хищники — волк, лисица.
Не менее эффективное ружье для охоты на северного или пятнистого оленя, благородного оленя, благородного оленя.Наши соотечественники не советуют использовать МР-18 МН для добычи медведя. Прекрасно показывает себя в качестве спортивного огнестрельного оружия для стрельбы по мишеням на скамейке запасных.
Сорта
Популярная, востребованная и любимая нашими охотниками следующая модель предлагает ружья различных калибров.
- Калибр 223 вариант 7. 62 x 39.
- Калибр 308 7. 62 x 54.
- Более дорогая модель 243 вариант 30.06.
- Можно встретить экспортные варианты калибра 222 и 270.
Технические характеристики
| № | Рисунок | Данные |
|---|---|---|
| 1 | Длина ствола калибра 12 | 72, 50 см |
| Калибр 16 | 73, 50 см | |
| 2 | Длина других калибров | 67, 50 — 68, 00 см |
| 3 | Покрытие ствола | Сплав с хромом |
| 4 | Полная снаряженная масса | От 2, 60 до 2, 80 кг |
Дизайн
Конструктивное решениепозволяет приобретать хорошо сбалансированное оружие, позволяющее быстро прицелиться и даже без специальных навыков.
Высокая надежность выстрела достигается за счет помещения спускового крючка в коробку. Раскрытие модели 18 производится нажатием на запорный рычаг.
Благодаря простоте конструкции орудие рассчитано на восемь тысяч боевых выстрелов без особых пропусков зажигания и масштабного ремонта.
Комплектование и упаковка
В комплект входит сопроводительная документация — паспорт, инструкция, сертификат и инструкция по эксплуатации и техническому обслуживанию. Продам оружие в разобранном виде, металлические детали обернуты вощеной бумагой, окончательная упаковка в картонной коробке с логотипом Ижевского механического завода.
Принцип работы
Чок для дробовика типа LL 18 PL является широко известным вариантом благодаря простоте и надежности, высокой степени защищенности, обеспечивающей надежный и исправный предохранитель предохранителя спускового крючка.
Хорошая кучность и скорострельность обеспечена улучшенной конструкцией агрегата на стыке ствола и цевья. В свою очередь, этот метод категорически исключает появление термической деформации детали ствола в процессе стрельбы.
Разборка
Разборка оружия должна производиться только после того, как выпущен затворной механизм и ствольная коробка канала отсутствуют боеприпасы.Все процедуры выполняются в точном соответствии с инструкциями, прилагаемыми к оружию производителем.
Тюнинг этого ассортимента охотничьего оружия в настоящее время производителем не рассматривается.
О цене и отзывах владельцев карабина МР-18МН (9 × 19, 9 × 18, 7 62х54р в пластике, со сменными стволами и т. Д.) Читайте ниже.
Цены
Ценовая категория Общего бюджетного уровня и делает «Ижевский дом» наиболее доступным для новичков с более чем скромными доходами.Стоимость варьируется в зависимости от калибра от 140,00 до 355,00 долларов. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ.
Отзывы владельца
- Большинство мнений владельцев указывают на множество приоритетов оружия. Он выходит из строя при съемке в любом климате и любой погоде, без трещин и поломок.
- Очень востребованы сменные дульные сужения, длина патронника 76,00 см.
- Любители охоты подчеркивают легкость и простоту в обращении, актуализируют невысокую цену амуниции и оружия в целом.
| Цена | Товар | .Состояние | Дата продажи |
|---|---|---|---|
| 599,00 | ДРУГАЯ МОДЕЛЬ РУССКОГО БАЙКАЛА ВОЕННЫЙ ТРЕНЕР ТОЗ-17 .22 LR 21 «С ОБЪЕМОМ 21 ДЮЙМ» БОЧКА Myerstown, PA 17067 | б / у | |
| 360 долларов США.00 | ДРУГАЯ МОДЕЛЬ .243 WIN. БАЙКАЛ РЕМИНГТОН ИЖ28МН 243 24 ДЮЙМ БАРБОНАД В ОТЛИЧНОМ СОСТОЯНИИ Силакога, AL 35150 | б / у | |
| 350,00 | ДРУГАЯ МОДЕЛЬ .243 WIN. БАЙКАЛ РЕМИНГТОН ИЖ28МН 243 24 «BBL TWISTED ОТЛИЧНОЕ СОСТОЯНИЕ Sylacauga, AL 35150 | б / у | |
| 305 долларов США.00 | .223 REM. SPR-18MN REMINGTON BAIKAL 223 SINGLE SHOT 1Zh28MN PENNY START NO RESERVE 22331 БОЧКА 23 ДЮЙМА Spring Valley, IL 61362 | б / у | |
| 265,00 долл. США | ДРУГАЯ МОДЕЛЬ .270 WIN. БАЙКАЛ MP-18MH ЧЕРНАЯ СИНТЕТИЧЕСКАЯ БОЧКА 23,5 «23 ДЮЙМА Форт-Уэрт, Техас 76108 | б / у | |
| 1705 долларов США.00 | .45-70 GOVT. БАЙКАЛ РУССКИЙ MP-221 MP221 GOV’T SXS DOUBLE RIFLE, 2010 Simi Valley, CA 93065 | б / у | |
| 365,00 | БАЙКАЛ ТОЗ-17-01 ВИНТОВКА ДЕЙСТВИЯ 22 КАЛИБРОВОГО БОЛТА БАЙКА-WG6DZO4C-1565985 ТОЗ-17-01А Acworth, GA 30102 | б / у | |
| 586 долларов США.00 | .30-06 ИЖ-94 EAA CORP. ДВОЙНАЯ ВИНТОВКА ИЖ94 БАЙКАЛ НОВАЯ 30-06 2 СПУСКА СТВОЛА 60 СМ РУЧНАЯ СТЕНКА 24 ДЮЙМ Talent, ИЛИ 97540 | Новый Старый сток |
Особенности визуализации гемостатического агента с желатин-тромбиновой матрицей в интракраниальном хирургическом ложе: уникальная занимающая пространство псевдомасса
Предпосылки и цель: Абсорбируемая желатин-тромбиновая матрица все чаще используется в нейрохирургических процедурах; в отличие от других гемостатов, стабильная матрица остается нетронутой и заполняет хирургическое ложе после достижения гемостаза.Мы исследовали визуализацию желатин-тромбиновой матрицы в интракраниальных операционных койках сразу после операции.
Материалы и методы: Тридцать один пациент (18 мужчин, 13 женщин; средний возраст 59 лет) с 34 хирургическими полостями получил 31 МРТ головного мозга и 9 КТ головного мозга, выполненные в течение ≤ 48 часов после операции. Они были рассмотрены ретроспективно. Изображения оценивали независимо 2 нейрорадиолога, не знакомых с хирургическими методами.Хирургические койки оценивали на наличие желатин-тромбиновой матрицы, которая проявлялась как псевдовоздушный материал (единицы Хаунсфилда ≤ -100) на КТ, имела характерные Т2-гипоинтенсивные спеклы на Т2-гиперинтенсивном фоне и демонстрировала полную градиентно-вызванную эхо-гипоинтенсивность. по МРТ. Чтобы определить диагностическую эффективность визуализационных функций для обнаружения желатин-тромбиновой матрицы, был проведен точный тест Фишера для ассоциации между визуализационными особенностями и присутствием желатин-тромбиновой матрицы и κ-анализ для согласования результатов между наблюдателями.
Полученные результаты: Гемостаз достигнут стандартными методами на 12 койках и желатин-тромбиновой матрицей на 22 койках. Соглашение между наблюдателями было существенным. Матрица желатин-тромбин продемонстрировала псевдоаттенуацию воздуха (чувствительность 88%, специфичность 100%, точность 90%; P = 0,067, κ = 0,74) и отчетливые Т2-гипоинтенсивные спеклы на фоне Т2-гиперинтенсивности (81% чувствительность, 85%). специфичность, точность 82%; P = <.001, κ = 0,76). Комбинированные характерные спеклы Т2 и гипоинтенсивность эхосигнала, вызванного градиентом, повысили специфичность (чувствительность 81%, специфичность 100%, точность 88%; P = <0,001).
Выводы: Уникальный внешний вид желатин-тромбиновой матрицы (псевдоэфир на КТ, спеклы Т2 с градиентно-напоминанием эхо-гипоинтенсивности) не следует принимать за госсипибому, пневмоцефалию и / или гематому.
| Дата (документ был подан в Регистрационную палату) | Тип | Описание (документа, поданного в Регистрационную палату) | Посмотреть / Скачать (PDF-файл, ссылка откроется в новом окне) |
|---|---|---|---|
| 30 марта 2021 г. | CS01 | Подтверждение от 17 марта 2021 г. без обновлений | |
| 25 февраля 2021 г. | AA | Всего освобожденных полных счетов до 31 марта 2020 г. | |
| 27 марта 2020 | CS01 | Подтверждение от 17 марта 2020 г. без обновлений | |
| 10 марта 2020 | DISS40 | Принудительное исключение отменено | |
| 09 марта 2020 | AA | Всего освобожденных полных счетов до 31 марта 2019 г. | |
| 03 марта 2020 | ГАЗ1 | First Gazette уведомление о принудительном исключении | |
| 18 марта 2019 | CS01 | Подтверждение от 17 марта 2019 г. с обновлениями | |
| 30 октября 2018 | Ш30 | Заявление директоров | |
| 30 октября 2018 | Sh29 | Отчет о капитале от 30 октября 2018 г. | |
| 30 октября 2018 | CAP-SS | Заявление о платежеспособности от 13.07.18 | |
| 20 августа 2018 | РЕЗОЛЮЦИИ | Резолюции
| |
| 16 июл 2018 | AA | Всего освобожденных полных счетов до 31 марта 2018 г. | |
| 23 марта 2018 | CS01 | Подтверждение от 17 марта 2018 г. с обновлениями | |
| 26 февраля 2018 | SH01 | Отчет о капитале после распределения акций 7 февраля 2018 г. | |
| 17 янв 2018 | AA | Всего освобожденных полных счетов до 31 марта 2017 г. | |
| 31 марта 2017 г. | CS01 | Подтверждение от 17 марта 2017 г. с обновлениями | |
| 24 марта 2017 | SH01 | Отчет о капитале после распределения акций 15 декабря 2016 г. | |
| 16 декабря 2016 | AA | Итого освобожденные счета малых компаний до 31 марта 2016 г. | |
| 11 октября 2016 | CH01 | Реквизиты директора изменены. для г-на Имрана Али Хана 1 октября 2016 г. | |
| 18 июл 2016 | TM01 | Прекращение назначения Саймона Бейкера директором 5 июля 2016 г. | |
| 08 июн 2016 | TM01 | Прекращение назначения Пера Брилиота директором 3 июня 2016 г. | |
| 08 июн 2016 | AP01 | Назначение г-на Саймона Бейкера директором 3 июня 2016 г. | |
| 29 марта 2016 | AR01 | Годовая прибыль до 17 марта 2016 г. с полным списком акционеров Отчет о капитале на 29.03.2016 | |
| 03 марта 2016 | SH01 | Отчет о капитале после распределения акций 29 января 2016 г. | |
| 19 февраля 2016 | AP01 | Назначение г-на Зишана Али Хана директором 19 февраля 2016 г. |
Границы | Цифровая аппаратная система для пиковой сети тактильных афферентов
Введение
Чувство осязания охватывает все тело, используя множество рецепторов на разной глубине кожи.Информация, поступающая от мышц и сухожилий (кинестетическое восприятие), и богатые сигналы от сенсорных рецепторов, встроенных в кожу (кожное восприятие), играют решающую роль в нашем сенсорном опыте, и, таким образом, мы можем активно общаться с окружающим миром. В частности, когда мы взаимодействуем с объектом, информация о характеристиках этого объекта, таких как его форма и текстура, переносится в пространственно-временном паттерне потенциалов действия, вызванных множеством тактильных афферентов. Эти потенциалы действия или шипов передаются первичными афферентами в спинной мозг, клиновидное ядро, таламус и, наконец, соматосенсорную кору для декодирования и принятия решений.Следовательно, мы можем распознавать объекты на основе тактильного исследования (Dahiya et al., 2010, 2013). Специализированные механорецепторы в голой коже человека состоят из двух основных типов, в зависимости от их функциональности и рецептивного поля: (1) медленно адаптирующийся (SA) афферентный и (2) быстро адаптирующийся (FA) афферент (Dahiya and Valle, 2012). ; Tiwana et al., 2012). Афференты SA типа 1 (SA-I) и типа II (SA-II) иннервируют цилиндр Меркеля и Руффини, соответственно, и наиболее чувствительны к статическим стимулам.Афференты FA типа 1 (FA-I) и типа II (FA-II), которые чувствительны к переходным событиям, таким как вибрация, иннервируют тельца Мейснера и тельца Пачини, соответственно (Lucarotti et al., 2013). В этом исследовании мы сосредотачиваемся на тактильных афферентах SA-I и FA-I, которые являются необходимыми элементами для манипулирования объектами (Johansson and Flanagan, 2009).
Недавние подходы нацелены на имитацию поведения биологических тактильных рецепторов с использованием продвинутой динамики кожи (Saal et al., 2017) и нейроморфных моделей (Oddo et al., 2016), чтобы повысить эффективность и производительность по сравнению с традиционными методами. Применение пиковых нейронных сетей и нейроморфных подходов в тактильных системах расширяется в последние несколько лет (Kim et al., 2009; Friedl et al., 2016; Oddo et al., 2016; Yi and Zhang, 2016). Пирсон и др. (2006, 2007, 2011) разработали биомиметическую вибротактильную сенсорную систему, используя модели протекающих нейронов интеграции и зажигания, которые воспроизводят усы крысы, позволяя роботу ориентироваться в окружающей среде. Чтобы различать локальную кривизну объекта, Ли и др.(2013) использовали матрицу бинарных тактильных датчиков на основе ткани. Тактильные сигналы были преобразованы в спайки с использованием модели Ижикевича (Lee et al., 2014). Для декодирования букв Брайля был создан замкнутый цикл восприятия-действия путем преобразования данных датчика силы в шиповые цепочки с использованием протекающей модели «интегрировать и сжечь» (Bologna et al., 2011, 2013). Модель нейрона Ижикевича была использована Spigler et al. (2012) для характеристики свойств поверхности. Zhengkun и Yilei (2017) преобразовали выходные сигналы тактильных датчиков поливинилидендифторида в составы пиковых сигналов, используя модель Ижикевича, а затем применили алгоритм машинного обучения для классификации шероховатости поверхности.Ронгала и др. (2017) классифицировали 10 натуралистических текстур, преобразовав выходные сигналы массива из четырех пьезорезистивных датчиков в цепочки импульсов. Они использовали модель Ижикевича и проанализировали полученные паттерны спайков (Rongala et al., 2017). Используя тот же датчик, Oddo et al. преобразовали тактильный стимул в пространственно-временную структуру шипов, а затем приложили их к афферентам кожи крысы с помощью стимулирующих электродов. Таким образом, они продемонстрировали потенциал нейропротетического подхода к взаимодействию с мозгом крысы (Oddo et al., 2017). Более того, нейроморфные методы использовались для создания тактильных ощущений для различения текстур с использованием SA-подобной динамики через нервную стимуляцию человека с ампутированной конечностью (Oddo et al., 2016) и для улучшения захватных функций протеза (Osborn et al., 2017). В Osborn et al. (2018), он был сосредоточен на обнаружении боли через нейроморфный интерфейс и инициировал автоматический болевой рефлекс в протезе.
Одним из наиболее распространенных методов реализации нейронных вычислительных моделей является разработка цифровой схемы из-за ее высокой эффективности для практических приложений (Cassidy et al., 2011). Цифровое исполнение с программируемой вентильной матрицей (FPGA) обеспечивает гибкость, необходимую для исследования алгоритмов, с учетом ограничений по времени и производительности. Таким образом, FPGA находят все большее применение в области нейронных вычислений (Nanami and Kohno, 2016). Кроме того, с развитием инструментов синтеза HDL (язык описания оборудования высокого уровня), FPGA также может использоваться как эффективный аппаратный ускоритель (Misra and Saha, 2010; Arthur et al., 2012). Некоторые исследователи работали над эффективными аппаратными реализациями (Wang et al., 2018; Zjajo et al., 2018). Grassia et al. (2016) моделировали стохастический нейрон на ПЛИС. Для реализации обработки тактильных данных в реальном времени с использованием ПЛИС в приложениях электронной кожи использовалась приблизительная схемотехника (Franceschi et al., 2017). Амбруаз и др. (2017) предложили биомиметическую нейронную сеть, реализованную на ПЛИС, для двунаправленной связи с живыми нейронами, культивируемыми в матрице микроэлектродов. Для модели кожного механорецептора была предложена цифровая аппаратная реализация для идентификации приложенного давления (Salimi-Nezhad et al., 2018). Они использовали модель нейрона Ижикевича для моделирования, а затем цифровое выполнение афферентов SA-I и FA-I на ПЛИС. Действительно, их подход является доказательством концепции, что реализация тактильных афферентов с помощью цифровых схем имеет большой потенциал. Однако необходимо расширить предыдущую работу, которая рассматривает одну цифровую схему SA-I или FA-I с одним входом. Фактически, тактильная информация передается не только с использованием множества субмодальностей, но также посредством ансамблей различных афферентных типов.Следовательно, разработка аппаратной нейроморфной системы для управления популяцией различных афферентов и получения нескольких входных данных необходима для моделирования исследования и изготовления новой тактильной сенсорной системы для робототехнических и протезных приложений. Соответственно, в этой статье мы сообщаем, что проектирование нейроморфной тактильной системы с использованием популяции из 243 цифровых афферентов включает SA-I и FA-I. С этой целью сначала рассматриваются четыре модели пиков, включая модель Ижикевича (Иж), линеаризованную модель Ижикевича (L-Иж), квадратичную интегрированную модель и модель огня (QIF) и линеаризованную модель QIF (L-QIF) для моделирования нейронных афферентов. .Затем для всех этих моделей пиков соответствующая цифровая схема представлена и смоделирована в VIVADO. Сравнение производительности выполняется, чтобы определить, какая из разработанных схем является эффективной с точки зрения площади и энергопотребления, сохраняя при этом характеристики их исходной математической модели. Затем вышестоящая схема дополнительно улучшается путем замены умножителей на логический сдвигатель. Следовательно, улучшенный L-QIF был нанят для каждого афферента, чтобы создать нейроморфную сеть искусственных афферентов SA-I / FA-I.С помощью экспериментальной установки исследуется производительность сети цифровых пиков, которая выполняется на ПЛИС. В этом случае данные об отпечатках сетки датчика давления 3 × 3 отправляются в FPGA через интерфейсную плату. ПЛИС управляет цифровыми схемами модели афферентов 243 пиков и обрабатывает поступающие данные от девяти датчиков давления параллельно, чтобы предоставить образцы тактильных пиков для следующего уровня обработки. Насколько нам известно, предлагаемая нейроморфная система является первой цифровой системой, реализующей совокупность тактильных афферентов (как SA-I, так и FA-I) при получении нескольких входных сигналов.Наконец, применяя алгоритм машинного обучения, искусственные спайковые ответы анализируются на основе парадигмы скорости стрельбы, и, таким образом, мы классифицируем три объекта, чтобы показать реальное применение предложенной нейроморфной тактильной системы в тактильном эксперименте.
Остальная часть статьи подготовлена следующим образом: модели пиков и их цифровые схемы описаны в разделах «Материалы и методы» и «Цифровые схемы» соответственно. Результаты аппаратной реализации обсуждаются в разделе «Аппаратная реализация.Наконец, раздел «Заключение» завершает статью.
Материалы и методы
Математическое описание четырех моделей пиков, использованных в этом исследовании, было объяснено в Приложении. На основе этих моделей пиков мы представляем соответствующую цифровую схему для каждой модели. Проведено сравнение разработанных цифровых схем для получения схемы с минимальными характеристиками площади и потребляемой мощности, которая будет использоваться для разработки нейроморфной тактильной системы.
Пиковая модель тактильного афферента
Основными афферентами голой кожи, передающими тактильную информацию, являются SA-I, II и FA-I, II.В руке человека примерно 43% афферентов FA-I заканчиваются тельцами Мейсснера, 13% единиц FA-II имеют пачинианские окончания, 25% единиц SA-I иннервируют клетки Меркеля и 19% единиц SA-II имеют окончания Руффини (McGlone и Рейли, 2010). Рецепторы Меркеля, расположенные поверхностно в коже (Roudaut et al., 2012), запускаются низкочастотными деформациями кожи и необходимы для различения текстуры и тонкого тактильного восприятия. Афференты SA-I, которые разветвляют и иннервируют диски Меркель, активны во время физической стимуляции.Рецепторы Мейснера имеют особенно высокую плотность на кончиках пальцев и реагируют всякий раз, когда обнаруживается изменение стимула (то есть, когда стимул применяется или когда он удаляется) (Roudaut et al., 2012). Афференты FA-I, которые разветвляют и иннервируют тельца Мейснера, имеют небольшие рецептивные поля и обнаруживают динамические деформации кожи (Johansson and Vallbo, 1979). Они отвечают за обнаружение низкочастотной вибрации, скольжения и движения.
На рис. 1 показана афферентная модель, использованная в этом исследовании.Было показано, что эта модель воспроизводит цепочки спайков, генерируемые биологическим аналогом FA-I и SA-I для различных стимулов (Saal and Bensmaia, 2015; Friedl et al., 2016; Rongala et al., 2017, 2018; Salimi- Нежад и др., 2018). В этой модели величина силы измеряется датчиком f ( t ) и его вариациями f. ( т, ) (в мН), взвешиваются отдельно ( C x 1 , C x 2 ) для создания текущего I ( t ) (в мА) для генерации пиков.Четыре нейронные модели, включая Izh, L-Izh, QIF и L-QIF, используются для независимого добавления части афферентной модели. Математические описания этих четырех моделей пиков поясняются в Приложении.
Рисунок 1. Модель афферентов медленно адаптирующегося типа 1 (SA-I) и быстро адаптирующегося типа 1 (FA-I). SA-I реагирует на абсолютное значение стимула и активен на протяжении всего интервала контакта со стимулом. FA-I доставляет всплески, когда стимул имеет динамический характер, т.е.е., во время фаз начала и смещения профиля вдавливания. Четыре нейронные модели, включая модель Ижикевича (Иж), линеаризованную модель Ижикевича (L-Иж), квадратичную интегрированную модель и модель огня (QIF) и линеаризованную модель QIF (L-QIF), используются для генерации спайков афферентной модели независимо.
Цифровые схемы
В последние годы для проектирования нейроморфных систем часто используются FPGA, и в литературе сообщалось о нескольких успешных случаях. Действительно, его способность к параллельным и высокоскоростным вычислениям позволяет реализовать в реальном времени нейронные сети с пиками.В этом разделе сначала дискретизируются модели пиков с использованием метода Эйлера, а затем представлены цифровые схемы, которые должны выполняться на ПЛИС. Для разработанных цифровых схем использование ресурсов сравнивается, чтобы найти схему, в которой меньше логических блоков. Таким образом, мы можем реализовать большую популяцию афферентов. Шаг дискретизации для всех уравнений составляет ч = 0,0078125 мс. В следующих уравнениях мы считаем, что C m и τ равны 1 F и 1 с, соответственно.
Цифровая схема ИЖ
Уравнения 21–23, описывающие пиковое поведение модели SA-I, можно дискретизировать как:
v [n + 1] = v [n] + h × (0,04 × v [n] × v [n] + 5 × v [n] + 140-u [n] + C11 × I [n]) (1 )
u [n + 1] = u [n] + h × a × (b × v [n] -u [n]) (2)
если v [n + 1] ≥30mV → тогда {v [n + 1] ← cu [n + 1] ← u [n] + d (3)
Диаграмма расписания для этой модели показана на рисунке 2A. Аналогично, для модели FA-I дискретизированные уравнения имеют следующий вид:
v [n + 1] = v [n] + h × (0.04 × v [n] × v [n] + 5 × v [n] + 140-u [n]) + C12 × (I [n + 1] -I [n]) »(4)
u [n + 1] = u [n] + h × a × (b × v [n] -u [n]) (5)
если v [n + 1] ≥30mV → тогда {v [n + 1] ← cu [n + 1] ← u [n] + d (6)
Рисунок 2. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели спайков Иж. На этих диаграммах есть две переменные состояния, v и u , поэтому две цифровые схемы разработаны для каждой переменной отдельно.
Диаграмма расписания для модели FA-I показана на рисунке 2B. Он показывает, как генерируются мембранный потенциал ( v ) и переменная восстановления ( u ) афферентной модели на каждой итерации. Есть также регистры памяти для хранения выходных данных для использования в последующих шагах. Длина регистра N для решения отдельных переменных состояния составляет N = 32 (1 бит для знака, 13 бит для целой части и 18 бит для дробной части) для получения высокоскоростной схемы с низкой ошибкой ( Салими-Нежад и др., 2018). Следует отметить, что « N » напрямую влияет на время вычислений и требуемую точность для реализации.
Цифровая схема Л-Иж
Для разработки цифровой схемы для модели L-Izh афферента SA-I уравнения 27–29 дискретизируются следующим образом:
v [n + 1] = v [n] + h × (k1 × | v [n] +62,5 | -k2-u [n] + C21 × I [n]) (7)
u [n + 1] = u [n] + h × a × (b × v [n] -u [n]) (8)
если v [n + 1] ≥30mV → тогда {v [n + 1] ← cu [n + 1] ← u [n] + d (9)
Соответственно, диаграмма планирования изображена на фиг. 3A.Для афферента ФА-И дискретные уравнения модели Л-Иж следующие:
v [n + 1] = v [n] + h × (k1 × | v [n] +62,5 | -k2-u [n]) + C22 × (I [n + 1] -I [n]) ( 10)
u [n + 1] = u [n] + h × a × (b × v [n] -u [n]) (11)
если v [n + 1] ≥30mV → тогда {v [n + 1] ← cu [n + 1] ← u [n] + d (12)
Рисунок 3. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели L-Izh. На этих диаграммах есть две переменные состояния, v и u , поэтому две цифровые схемы предназначены для каждой переменной отдельно.По сравнению с рис. 2, из-за линеаризации эта модель потребляет меньше аппаратной площади и имеет меньшее энергопотребление.
, а диаграмма расписания представлена на рисунке 3B. Он показывает, как производятся мембранный потенциал ( v ) и переменная восстановления ( u ) афферентной модели на каждой итерации.
Цифровая схема QIF
Уравнения (33) — (34), которые отвечают за создание пиковых структур в модели SA-I, дискретизируются следующим образом:
v [n + 1] = v [n] + h × (M1 × v [n] × v [n] + C31 × I [n]) »(13)
если v [n + 1] ≥vpeak → тогда v [n + 1] = vreset (14)
, а диаграмма расписания для этой модели представлена на рисунке 4A.Также дискретизированные уравнения для модели FA-I:
v [n + 1] = v [n] + h × (M1 × v [n] × v [n]) + C32 × (I [n + 1] -I [n]) ( 15)
если v [n + 1] ≥vpeak → тогда v [n + 1] = vreset (16)
Рис. 4. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели QIF. На этих диаграммах есть только одна переменная состояния, v , мембранный потенциал. По сравнению с рисунками 2, 3, цифровая схема модели QIF проще, занимает меньше аппаратной площади и имеет меньшее энергопотребление.
Диаграмма расписания для этой модели показана на рисунке 4B.
Цифровая схема L-QIF
Параллельно методу, использованному в предыдущих подразделах, уравнения 37 и 38 для модели SA-I дискретизируются следующим образом:
v [n + 1] = v [n] + h × (M2 × | v [n] | + C41 × I [n]) (17)
если v [n + 1] ≥vpeak → тогда v [n + 1] = vreset (18)
, а диаграмма расписания для этой модели показана на рисунке 5A. Наконец, дискретизированные уравнения для модели FA-I:
v [n + 1] = v [n] + h × (M2 × | v [n] |) + C42 × (I [n + 1] -I [n]) (19)
еслиv [n + 1] ≥vpeak → thenv [n + 1] = vreset (20)
, а диаграмма расписания проиллюстрирована на рисунке 5B.
Рис. 5. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели L-QIF. На этих диаграммах есть только одна переменная состояния, v , мембранный потенциал. По сравнению с рисунками 2–4 цифровая схема для линеаризованной версии модели QIF намного проще, занимает меньше места на оборудовании и имеет меньшее энергопотребление.
Цифровые схемы (рисунки 2–5), основанные на модели пиков афферентов, представляют собой нейроморфное преобразование выходного сигнала датчика в шаблоны пиков, передающие тактильную информацию.В таблице 1 сравниваются ресурсы, используемые различными цифровыми схемами для моделей SA-I и FA-I. Как видно, цифровые схемы для линеаризованных моделей (L-Izh и L-QIF) более эффективны по площади по сравнению с их исходными аналогами (модели Izh и QIF). Также очевидно, что цифровая схема L-QIF использует минимальные ресурсы. Учитывая Таблицу 1, использование аппаратных ресурсов даже для цифровых схем Иж по сравнению со схемами, указанными в Salimi-Nezhad et al.(2018) уменьшено. В частности, в настоящем исследовании для цифровых схем Иж мы использовали меньшее количество DSP для афферентов SA-I и FA-I по сравнению со схемами, описанными в Salimi-Nezhad et al. (2018).
Таблица 1. Сводка по использованию устройства для четырех разработанных цифровых схем для обоих афферентов.
Результаты моделирования
В этом разделе мы представляем результаты моделирования в MATLAB четырех типов моделей пиков как для афферентов (SA-I, FA-I), так и для моделирования их цифровых схем с помощью VIVADO.На рисунке 6 показаны временные характеристики модели пиков SA-I с трапециевидным входом. Увеличение входного тока приводит к уменьшению интервала между пиками. На рисунке 7 показаны временные характеристики модели пиков FA-I с трапециевидным входом. Более высокое значение наклона побуждает модель создавать паттерны спайков с более высокой частотой. На рисунках 6, 7 первые панели отображают трапециевидный импульс в качестве входного сигнала, вторые панели представляют симуляции MATLAB афферентной модели, а третьи панели демонстрируют моделирование цифровой схемы VIVADO.
Рисунок 6. Временная характеристика модели пиков афферента SA-I в 100 мс для Иж (А) , Л-Иж (В) , QIF (С) и L-QIF (Д) . В этих симуляциях первые панели показывают входной сигнал, вторые панели отображают симуляцию MATLAB математической модели, а третьи панели иллюстрируют симуляцию VIVADO цифровой схемы. Средние частоты при моделировании 100 мс для Иж, Л-Иж, QIF и L-QIF составляют 760, 840, 880 и 780 Гц соответственно.
Рисунок 7. Временная характеристика модели пиков афферента FA-I в 100 мс для Иж (А) , Л-Иж (В) , QIF (С) и L-QIF (Д) . В этих симуляциях первые панели показывают входной сигнал, вторые панели отображают симуляцию MATLAB математической модели, а третьи панели иллюстрируют симуляцию VIVADO цифровой схемы.
Рассматривая рисунки 6, 7, афферент SA-I срабатывает в течение длительной фазы стимула, а афферент FA-I отвечает в фазах начала и смещения этого стимула.Этот результат функционально согласуется с откликом, измеренным в наблюдениях, опубликованных Jörntell et al. (2014). Другими словами, модель пиков и их цифровая схема имеют одинаковые отклики и функционально совместимы с пиковыми активностями биологического афферента.
Население цифровых афферентов
Хотя в предыдущих разделах мы обнаружили, что модель L-QIF имеет наименьшее потребление площади по сравнению с другими тремя моделями, мы также можем использовать другие методы для дальнейшего снижения использования оборудования.Действительно, умножители — это дорогостоящие блоки, которые потребляют больше энергии и занимают большую площадь по сравнению с простыми блоками, такими как сумматоры или переключатели. По этой причине, путем замены умножителей на логический сдвигатель, улучшенный L-QIF получается с коэффициентами, описанными в таблице 2. Следовательно, мы ожидаем увеличения рабочей частоты из-за отсутствия дорогостоящих операций (умножителей). чтобы замедлить важные пути. Кроме того, этот подход возмещает ограниченное количество доступных умножителей на кристалле и поддерживает реализацию более крупных сетей пиковых значений на ПЛИС.Значения параметров в Таблице 2 выбраны, чтобы показать лучшее и ясное представление о пиковом отклике на растровом графике популяции афферентов. Таким образом, мы модифицировали и настраивали экспериментальные параметры на основе параметров моделирования.
Таблица 2. Значения параметров улучшенной цифровой схемы L-QIF.
В таблице 3 сравнивается улучшенная цифровая схема L-QIF со схемой L-QIF. Очевидно, что замена умножителей регистрами сдвига приводит к уменьшению количества LUT DSP и Slice, в то время как количество LUT-триггеров увеличивается.Таким образом, можно сэкономить больше ресурсов, если использовать улучшенную модель L-QIF для пиковой модели афферентов. Это может быть очень важно, когда на ПЛИС реализована совокупность афферентов. Следует отметить, что, хотя современные ПЛИС имеют значительное количество срезов DSP, для оснащения протезов и рук роботов кожей, похожей на человеческую, требуется реализация тысяч механорецепторов и афферентов для одновременной передачи тактильной информации. Поэтому экономия энергии и использование площади очень важны для практического применения.Здесь мы демонстрируем прототип 243 искусственных афферентов, которые передают спайки асинхронно, передавая пространственно-временные особенности, необходимые для тактильного восприятия.
Таблица 3. Сравнение использования оборудования для L-QIF и улучшенных цифровых схем L-QIF для обоих афферентов.
Аппаратная реализация
Нейроморфная реализация тактильных афферентов может ускорить разработку новых искусственных тактильных сенсорных систем в области телероботики и телеоперации.Следовательно, в текущем исследовании выполняется аппаратная нейроморфная реализация. Чтобы продемонстрировать характеристики спроектированной схемы и проиллюстрировать паттерны всплесков популяции цифровых афферентов, была разработана экспериментальная установка, как показано на рисунке 8. Она состоит из девяти сенсорных блоков (матрица 3 × 3), подключенных к ZedBoard. через настраиваемую интерфейсную плату. Приложенная сила к отдельным чувствительным к силе резисторам (FSR) обеспечивает аналоговый сигнал для 10-битного АЦП (аналого-цифрового преобразователя), который подается на ZYNQ (в данном случае ZedBoard).ZedBoard (особая оценочная плата ZYNQ) — одно из недорогих и высокоскоростных устройств для цифровой реализации импульсных нейронов. Он состоит из двух основных разделов: программируемой логики (PL) и системы обработки (PS). Раздел PL — это платформа, которую можно настроить с использованием языка VHDL, а раздел PS — это двухъядерный процессор ARM Cortex-A9, который можно программировать с помощью языка C. Вывод ZedBoard иллюстрируется двумя способами. Один способ — отобразить на осциллографе, а другой — отобразить на экране.Осциллограф используется для отображения пиковых откликов отдельной цифровой схемы SA-I или FA-I, а экран используется для одновременной иллюстрации активности всей популяции или субпопуляции цифровых афферентов.
Рисунок 8. Экспериментальная установка для оценки нейроморфной тактильной системы. Популяция из 90 цифровых афферентов SA-I и 153 цифровых афферентов FA-I реализована на программируемой вентильной матрице (FPGA). В дополнение к оценочной плате ZYNQ, система состоит из двух других компонентов: матрицы из 3×3 сенсорных блоков и интерфейсной схемы (оснащённой 10-битным блоком АЦП) между чувствительным блоком и ZedBoard.Чувствительный элемент состоит из девяти чувствительных к силе резисторов (FSR), которые подают измеренное давление в виде аналогового сигнала напряжения на интерфейсный блок. Это устройство фильтрует, выпрямляет и масштабирует свой входной сигнал, а затем преобразует его в цифровой сигнал, который отправляется на ZedBoard. Сопротивление FSR изменяется под действием внешней силы. В зависимости от величины давления, приложенного к отдельному датчику FSR, цифровые афференты отправляют последовательности пиков на экран или на выходной контакт ZedBoard для отображения на осциллографе (после аналогового преобразования).
Благодаря ресурсам, доступным в оценочном наборе ZedBoard, мы реализовали 243 цифровых схемы улучшенных моделей L-QIF в секции PL, включая 90 SA-I и 153 FA-I. Это соотношение выбрано, чтобы учесть, что количество афферентов SA-I и FA-I существует в кончике пальца (McGlone, Reilly, 2010; Pasluosta et al., 2017). В нашей конструкции для каждого датчика FSR на ZedBoard запускается 27 цифровых афферентов (10 SA-I и 17 FA-I). Использование оборудования для реализации 243 цифровых афферентов представлено в таблице 4.Следует отметить, что рабочая частота ZYNQ составляет 100 МГц. Соответственно, в этой экспериментальной установке задержка от начала приложения силы к FSR до появления пиковых откликов на выходных контактах ZYNQ находится в диапазоне наносекунд.
Таблица 4. Аппаратная работа для реализации 243 афферентов (SA-I / FA-I) в ZedBoard с использованием улучшенной цифровой схемы L-QIF.
При рассмотрении конечных приложений важным фактором является простота аппаратной реализации.Эта функция важна для разработки сенсорных модулей, которые пытаются объединить сенсорные и обрабатывающие схемы. Действительно, представление информации на основе спайков имеет значительный потенциал для повышения производительности и эффективности систем искусственного тактильного восприятия. Таким образом, предложенная цифровая схема позволила нам разработать аппаратную архитектуру для выполнения совокупности афферентов на PL. Этот новый подход к созданию сенсорных систем искусственно воспроизводит паттерны возбуждения афферентов SA-I и FA-I.Разделенная структура предлагаемого подхода и возможность управления параметрами упрощают масштабируемость без значительного изменения схемы.
Затем, используя подготовленную экспериментальную установку, мы одновременно касаемся одного, двух или трех случайно выбранных датчиков FSR из матрицы датчиков давления 3 × 3, как показано на рисунке 9. На этом рисунке активированные датчики показаны красными полями. Например, на фиг. 9D одновременно касаются трех датчиков, а на фиг. 9B, F, H одновременно касаются двух случайно выбранных датчиков.
Рис. 9. Случайное касание одного (A, C, E, G) , двух (B, F, H) или трех датчиков FSR (D) из сетки 3×3 в экспериментальной Настройка показана на Рисунке 8. Активированные датчики показаны красными полями. К датчикам FSR прилагаются разное количество сил с разными временными профилями. (A) – (H) показывают последовательность сенсоров касания в восемь этапов, соответственно.
Пики-отклики сенсоров, к которым прикоснулись на Рисунке 9, показаны на Рисунке 10.На рис. 10A показаны пики всех 90 цифровых схем SA-I, а на рис. 10B показаны пики всех 153 цифровых схем FA-I. Действительно, мы использовали возможность параллельной обработки FPGA для реализации популяции цифровых афферентов. На рисунке 10 в течение первых 4 секунд сенсор не касался, и наблюдалась только фоновая активность популяции искусственных афферентов. Затем, что касается фиг. 9A, касаются первого датчика S1. В этом случае, с t = 4 до t = 6 с, сила, приложенная к датчику S1, увеличивается от нуля до желаемого уровня.От т = 6 до т = 9,5 с, значение силы сохраняется на этом уровне. С t = 9,5 до 10,5 с прилагаемая сила уменьшается до своего начального значения, равного нулю. Рисунки 10A, B показывают активизацию популяции искусственных афферентов, запущенных на ZedBoard. Цифровые афференты SA-I остаются активными в течение периода контакта со стимулом, в то время как цифровые афференты FA-I реагируют всякий раз, когда обнаруживается изменение стимулов. Аналогично, с учетом фиг. 9B, оба датчика S3 и S5 касаются одновременно.Таким образом, с t = 14 до 17 с, приложенные силы к S3 и S5 увеличиваются от нуля до другого выбранного уровня. От t = 17 до 19 с, значение силы поддерживается на этом выбранном уровне. С t = 19 до 20 с, приложенная сила снова уменьшается до исходного значения, равного нулю. Следует отметить, что сила, приложенная к S3, больше, чем к S5, и, соответственно, увеличивается скорострельность. Что касается рисунка 10, частота возбуждения искусственного SA-I пропорциональна интенсивности стимула, в то время как образцы возбуждения искусственного FA-I появляются, когда есть изменения в интенсивности стимула.Действительно, разные последовательности пиков вызываются приложением разных профилей силы к датчикам FSR.
Рисунок 10. Растровый график для шаблонов активации популяции 243 цифровых афферентов, выполненных на ZedBoard. Паттерны пиков для 90 афферентов SA-I (A) и 153 афферентов FA-I (B) показаны для 60 с. Случайным образом выбираются не только сенсоры, к которым прикоснулись, но также различны продолжительность времени, а также скорости начала и смещения.Пиковые реакции четырех случаев были выделены цветными областями для дальнейшего исследования на рисунках 11, 12.
Чтобы получить больше информации, мы выбрали четыре случая из рисунка 10, окрашенные области, а затем исследуем поведение цифровых схем SA-I и FA-I более подробно, как показано на рисунках 11, 12, соответственно. Другими словами, на рисунке 10 проиллюстрированы не только схемы возбуждения всей популяции, но также мы показываем пиковые отклики выбранного афферента на экране осциллографа (рисунки 11, 12).Желтый, пурпурный, голубой и зеленый иллюстрируют паттерны всплесков, возникающие при прикосновении к S1, S2, S4 и S8 соответственно (см. Рисунок 9). На рисунках 11, 12 из каждой субпопуляции выбирается один (первый) реализованный искусственный афферент (красный прямоугольник в цветных областях) для отображения на осциллографе. В этом случае выход выбранного цифрового афферента после преобразования в аналоговый сигнал демонстрируется на осциллографе. На этих рисунках выход ZedBoard показан желтым цветом (напряжение на мембране).Как видно, по мере увеличения величины силы частота срабатывания пиков для цифрового SA-I также увеличивается. Такой подход позволяет декодировать стимулы при сборе тактильных данных. Более того, из рисунка 12 видно, что скорость пикового отклика в фазе смещения меньше, чем фаза начала для цифрового FA-I, из-за меньшего наклона для фазы смещения. Действительно, афференты SA-I обеспечивают кодирование давления, а афференты FA-I кодируют переходные характеристики сигнала.
Рисунок 11. Активность активации 10 цифровых афферентов SA-I, реализованных на ZedBoard. Непрерывная стрельба на входе понятна. Рассматривая рисунки 9, 10, желтый, пурпурный, голубой и зеленый иллюстрируют пиковую активность, возникающую при прикосновении к S1 (A) , S2 (B) , S4 (C) и S8 (D) соответственно (верхние панели) . Мы используем 16-битный ЦАП для преобразования цифровых выходов ZedBoard в аналоговые сигналы, которые будут отображаться на экране осциллографа (нижние панели) .Из каждой субпопуляции выбирается первый искусственный афферент (красный прямоугольник на верхних панелях) для отображения на экране осциллографа (нижние панели) . Деление по вольту было установлено на 5 мВ.
Рисунок 12. Активность активации 17 цифровых афферентов FA-I, реализованных на ZedBoard. На рисунках 9, 10 желтый, пурпурный, голубой и зеленый иллюстрируют всплеск активности при прикосновении к S1 (A) , S2 (B) , S4 (C) и S8 (D) , соответственно (верхние панели) .Индивидуальные цифровые афферентные срабатывания FA-I при возникновении и смещении стимула, а также при изменении входного сигнала. Мы используем 16-битный ЦАП для преобразования цифровых выходов ZedBoard в аналоговые сигналы, которые будут отображаться на экране осциллографа (нижние панели) . Из каждой субпопуляции выбирается первый искусственный афферент (красный прямоугольник на верхних панелях) для отображения на осциллографе (нижние панели) . Деление по вольту было установлено на 5 мВ.
Кроме того, чтобы продемонстрировать практическое применение предложенной нейроморфной установки, мы прикрепили пять датчиков FSR к перчатке (каждый датчик FSR был привязан к пальцу) и провели несколько тактильных экспериментов, отправляя выходные сигналы FSR в сеть пиковых тактильных сигналов. афференты реализованы на ZedBoard.Субъект носит перчатку, чтобы подбирать, удерживать и класть на место три разных объекта (стакан, диспенсер с лентой и книгу), пока измеряется активная активность популяции афферентов. Как показано на рисунке 13, эти объекты имеют разный размер и вес. Объект A, стекло, имеет наименьший вес, а объект C, книга, самый тяжелый. Каждый эксперимент занимает 4 секунды, а фиксированная фаза удержания составляет 3 секунды. Испытуемый выполнил эксперимент для трех случаев: сначала тремя пальцами (большим, указательным и средним), затем четырьмя пальцами (большим, указательным, средним и безымянным) и, наконец, всеми пятью пальцами.Каждый эксперимент с тремя, четырьмя и пятью пальцами проводился по 20 раз для отдельных объектов. Следовательно, для каждого объекта было собрано 60 испытаний, и для каждого испытания с ZedBoard в течение 4 с регистрировались реакции на срабатывание 50 цифровых афферентов SA-I и 85 FA-I. Действительно, паттерны пиков 135 искусственных тактильных афферентов были зарегистрированы для 180 испытаний (3 объекта, 3 случая, 20 повторений), которые должны были быть проанализированы алгоритмами машинного обучения.
Рисунок 13. Тактильный эксперимент. (A) Пять датчиков FSR прикреплены к перчатке. (B) Три предмета: стакан, диспенсер для лент и книга. (C) Субъект носит перчатку, берет каждый предмет и держит его в течение 3 секунд, а затем кладет на место. Испытуемый повторяет этот эксперимент 20 раз с тремя, четырьмя и пятью пальцами независимо друг от друга. FSR отправляют свой сигнал на ZedBoard, где он управляет популяцией из 50 цифровых афферентов SA-I и 85 FA-I. Образцы возбуждения 135 искусственных тактильных афферентов записываются для 180 испытаний (3 объекта, 3 случая, 20 повторов), которые анализируются алгоритмами машинного обучения. (D) Образец шипа с пятью пальцами. Зеленые пики показывают реакцию искусственных афферентов SA-I, а синие пики иллюстрируют реакцию искусственных афферентов FA-I.
Затем используются подходы машинного обучения для интерпретации записанных схем возбуждения. Таким образом, во-первых, извлечение признаков из пикового отклика выполняется с использованием одной из фундаментальных парадигм кодирования для обработки нейронной информации, кодирования скорости . Скорость стрельбы (FR) определяется количеством всплесков, возникающих в интервале времени Δ t , F R = ( s p i k e s ) / Δ т .Изменение скорости стрельбы при изменении стимула называется кодированием скорости . Обычно указывается, что сенсорные нейроны передают информацию в зависимости от скорости их возбуждения. В этом исследовании алгоритм декодирования основан на подсчете пиков; то есть разные стимулы вызывают разное количество спайков (Vreeken, 2003). Анализ главных компонентов используется для уменьшения размеров. Рассмотрены первые три основных компонента. На рисунке 14 показано количество спайков популяции афферентов SA-I и FA-I для трех объектов и трех случаев.Каждая точка указывает на одно испытание. Пространство признаков первых трех основных компонентов для всех трех экспериментов показано на рисунке 15.
Рисунок 14. Декодирование на основе парадигмы скорости активации, в которой разные стимулы вызывают разное количество всплесков для одного и того же временного интервала. Верхние панели и нижние панели показывают количество спайков для афферентов SA-I и FA-I, соответственно. Каждая точка указывает на одно испытание. Было проведено 20 испытаний для отдельного объекта, который обозначен другим цветом.
Рисунок 15. Первые три основных компонента (ПК), полученные в результате трех тактильных экспериментов. Верхние панели показывают пространство признаков для афферентов SA-I, а нижние панели иллюстрируют пространство признаков для афферентов FA-I.
Затем мы сообщаем о производительности классификации классификатора k-ближайшего соседа с использованием полученных цепочек искусственных пиков. Классификатор имеет три выхода: объекты A, B и C. Вход классификатора — это три основных вычисленных компонента, образующих общее количество всплесков, полученных для этого стимула.Были опробованы различные значения k от 2 до 8. Однако результаты для k = 5 представлены на рисунке 16. Значение k важно, поскольку небольшое значение k может привести к классификатору, чувствительному к выборкам шума, а большое значение k может привести к меньшему четкие границы между классами. K-Nearest Neighbor — это непараметрический классификатор, который измеряет разницу между каждой цепочкой шипов ( ST ) и другими цепями шипов. Объект был правильно классифицирован, когда средняя разница между ST и шиповыми поездами из того же класса была меньше, чем средняя разница между ST и шиповыми поездами других классов.Эту процедуру повторяли для каждого ST, полученного из цифровых афферентов.
Рисунок 16. Точность классификации для классификатора k-ближайшего соседа (kNN). Точность классификации для цифрового SA-I (верхняя панель) , для цифрового FA-I (средняя панель) и для обоих афферентов, SA-I и FA-I (нижняя панель) .
Для классификации 80% выборок были случайным образом сгруппированы как обучающий набор, а оставшиеся 20% образцов были рассмотрены как тестовый набор.Также использовалась K-кратная перекрестная проверка. Действительно, выборки данных разделены на K подмножеств. Каждый раз один из этих подмножеств K используется в качестве набора проверки, а оставшиеся ( K -1) подмножества образуют обучающий набор. Затем вычисляется средняя ошибка по всем испытаниям K для каждого подмножества (Hosseini et al., 2007). Мы использовали K = 5 для перекрестной проверки. Векторы признаков должны быть нормализованы, чтобы избежать искажений между признаками и числовыми проблемами.Наконец, среднее значение и стандартное отклонение точности классификации для этого тактильного эксперимента (рис. 13C) представлены в таблице 5.
Таблица 5. Среднее и стандартное отклонение точности классификации для различных экспериментов.
Таблица 6. Значения параметров для моделей пиков тактильных афферентов, используемых для моделирования.
Разработанная система позволяет кодировать информацию о силе последовательностью пиков, имитируя нейронную динамику афферентов SA-I и FA-I.Действительно, зарегистрированные поезда искусственных пиков от ZedBoard, который управляет цифровыми схемами SA-I / FA-I, несут достаточную информацию. Таким образом, входной стимул распознается даже при использовании коммерческого датчика FSR. Этот технический подход является новаторским для производства сенсорных систем, которые искусственно воспроизводят действия SA-I и FA-I для использования в биоробототехнике и протезах. Полученные последовательности пиков разнообразны и достаточно надежны, чтобы можно было с высокой точностью декодировать предъявляемые стимулы.
Заключение
Чтобы получить лучшую производительность и эффективность по сравнению с традиционными методами, в последнее время наблюдается тенденция к созданию нейроморфных устройств, имитирующих биологические системы. Программное моделирование и аппаратная реализация афферентов SA-I и FA-I могут рассматриваться как нейроморфные подходы для восстановления тактильной обратной связи в протезах верхних конечностей. Эта методология передает тактильную информацию, более эффективную, очень похожую на здоровую периферическую нервную систему, на следующий уровень, который может быть контроллером протеза.В этом исследовании для цифровой реализации совокупности из 243 тактильных афферентов (90 SA-I и 153 FA-I) на FPGA с упором на функциональность в реальном времени была разработана цифровая схема с использованием улучшенной версии нейронного L-QIF. модель. Эта модель была выбрана из-за максимальной простоты и наименьшего потребления ресурсов аппаратной реализации по сравнению с другой моделью, описанной в этом исследовании. Используя экспериментальную установку, мы исследовали работу нейроморфной тактильной системы (включающей афференты SA-I и FA-I), когда она получала несколько входных сигналов одновременно.Используя перчатку, оснащенную FSR, мы провели несколько тактильных экспериментов, а затем проанализировали реакцию на пики, измеренную с помощью ZedBoard. Применяя алгоритм машинного обучения и учитывая кодировку скорости стрельбы, подобранный объект был распознан с высокой точностью по записанным цепочкам спайков, созданным искусственными тактильными афферентами.
Хотя мы не обсуждали биологическую достоверность разработанных цифровых схем, было показано, что они функционально следуют физиологическим наблюдениям, что является основным шагом для продвижения вперед.Следует отметить, что, хотя преобразователи FSR относительно легко интегрируются с периферийным оборудованием и программным обеспечением, их применение для имитации реакции механорецепторов неточно. Кроме того, датчики FSR должен покрывать эластичный кожевенный слой. Наконец, внедрение популяции цифровых афферентов может поддержать возможность будущей разработки нового поколения тактильных модулей для протезов рук, чтобы восстановить сенсорную обратную связь для людей с ампутированными конечностями. Более того, полученные последовательности пиков от цифровых афферентов могут быть дополнительно обработаны на следующем уровне, что также может быть выполнено аппаратно.Это сделает нейроморфную сенсорную систему мобильного робота для выполнения различных реальных задач, таких как распознавание текстуры и распознавание объектов.
Заявление о доступности данныхНаборы данных, созданные для этого исследования, доступны по запросу соответствующему автору.
Авторские взносы
NS-N, EI, MA, EF и CL занимались концепцией, дизайном и интерпретацией данных, а также составлением и редактированием рукописи. NS, EI и MA провели эксперименты, получили данные и проанализировали данные.
Финансирование
Эта работа получила финансирование от Программы исследований и инноваций Европейского Союза Horizon 2020 в соответствии с Соглашением о гранте № 785907 (HBP SGA2). MA была поддержана Университетом медицинских наук Керманшаха, Керманшах, Иран.
Конфликт интересов
Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.
Благодарности
Авторы выражают благодарность уважаемым рецензентам за их содержательные комментарии.NS-N и MA хотели бы поблагодарить г-на Аделя Парвизи-Фарда за его ценную помощь в анализе данных.
Список литературы
Амбруаз, М., Буччелли, С., Грассия, Ф., Пирог, А., Борнат, Ю., Чиаппалоне, М., и др. (2017). Биомиметическая нейронная сеть для изменения биологической динамики во время гибридных экспериментов. Artif. Робот жизни. 22, 398–403. DOI: 10.1007 / s10015-017-0366-1
CrossRef Полный текст | Google Scholar
Артур Дж. В., Меролла П., Акопян Ф., Альварес-Иказа, Р., Кэссиди, А., Чандра, С., и др. (2012). «Строительный блок программируемого нейроморфного субстрата: цифровое нейросинаптическое ядро», в материалах Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN) , (Brisbane), 1–8.
Google Scholar
Бенджамин, Б. В., Гао, П., Маккуинн, Э., Чоудхари, С., и Чандрасекаран, А. Р. (2014). Neurogrid: смешанная аналого-цифровая многокристальная система для крупномасштабного нейронного моделирования. Proc. IEEE 102, 699–716.DOI: 10.1109 / jproc.2014.2313565
CrossRef Полный текст | Google Scholar
Bologna, L., Pinoteau, J., Passot, J., Garrido, J., Vogel, J., Vidal, E. R., et al. (2013). Нейроботическая система с замкнутым контуром для точного сенсорного восприятия. J. Neural Eng. 10: 046019. DOI: 10.1088 / 1741-2560 / 10/4/046019
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Болонья, Л. Л., Пиното, Дж., Брасселет, Р., Маггиали, М., и Арлео, А. (2011). Кодирование / декодирование тактильных афферентов первого и второго порядка в нейроботическом приложении. J. Physiol. Париж. 105, 25–35. DOI: 10.1016 / j.jphysparis.2011.08.002
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бретт Р. и Герстнер В. (2005). Адаптивная экспоненциальная модель интеграции и запуска как эффективное описание нейронной активности. J. Neurophysiol. 94, 3637–3642. DOI: 10.1152 / jn.00686.2005
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Кэссиди А., Андреу А. Г. и Георгиу Дж.(2011). «Дизайн нейроморфной системы с одним миллионом нейронов на ПЛИС для многомодального анализа сцены в реальном времени», в Information Sciences and Systems (CISS), 45th Annual Conference on , 2011, (Baltimore, MD), 1–6.
Google Scholar
Дахия Р. С., Метта Г., Валле М. и Сандини Г. (2010). Тактильное восприятие — от людей до гуманоидов. IEEE Trans. Робот. 26, 1–20. DOI: 10.1109 / tro.2009.2033627
CrossRef Полный текст | Google Scholar
Дахия, Р.С., Миттендорфер, П., Валле, М., Ченг, Г., Лумельски, В. Дж. (2013). Направления эффективного использования тактильной кожи: обзор. IEEE Sens. J. 13, 4121–4138. DOI: 10.1109 / jsen.2013.2279056
CrossRef Полный текст | Google Scholar
Дахия, Р. С., Валле, М. (2012). Роботизированное тактильное зондирование: технологии и система. Springer: Наука и деловые СМИ.
Google Scholar
Франчески, М., Камю, В., Ибрагим, А., Энц, К., и Валле, М. (2017). «Примерная реализация CORDIC на ПЛИС для тактильной обработки данных с использованием спекулятивных сумматоров», в 2017 IEEE New Generation of Circuits and Systems Conference (NGCAS) , (Генуя).
Google Scholar
Фридл, К. Э., Фелькер, А. Р., Пер, А., и Элиасмит, К. (2016). Созданная человеком нейроботическая система для классификации текстуры поверхности на ощупь. Робот IEEE. Автомат. Позволять. 1, 516–523. DOI: 10.1109 / lra.2016.2517213
CrossRef Полный текст | Google Scholar
Грассия, Ф., Коно, Т., и Леви, Т. (2016). Цифровая аппаратная реализация стохастической двумерной модели нейрона. J. Physiol. -Париж. 110, 409–416. DOI: 10.1016 / j.jphysparis.2017.02.002
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Ходжкин А. Л. и Хаксли А. Ф. (1952). Количественное описание мембранного тока и его применение к проводимости и возбуждению в нерве. J. Physiol. 117, 500–544.
Google Scholar
Хоссейни, С.М., Амири, М., Наджарян, С., и Даргахи, Дж. (2007). Применение искусственных нейронных сетей для оценки характеристик опухолей в биологических тканях. Внутр. J. Med. Робот. Comput. Ассистент. Surg. 3, 235–244. DOI: 10.1002 / rcs.138
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Йоханссон, Р. С., Фланаган, Дж. Р. (2009). Кодирование и использование тактильных сигналов от кончиков пальцев в задачах манипулирования объектами. Nat. Rev. Neurosci. 10, 345–359.DOI: 10.1038 / nrn2621
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Johansson, R. S., and Vallbo, A. (1979). Тактильная чувствительность в руке человека: относительная и абсолютная плотности четырех типов механорецептивных единиц в голой коже. J. Physiol. 286, 283–300. DOI: 10.1113 / jphysiol.1979.sp012619
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Йорнтелл, Х., Бенгтссон, Ф., Геборек, П., Спанне, А., Терехов, А.В., Хейворд В. (2014). Разделение тактильных входных функций в нейронах клиновидного ядра. Нейрон 83, 1444–1452. DOI: 10.1016 / j.neuron.2014.07.038
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Ким, С. С., Срипати, А. П., Фогельштейн, Р. Дж., Армигер, Р. С., Рассел, А. Ф., и Бенсмайя, С. Дж. (2009). Передача тактильной обратной связи в сенсорных нейропротезах рук с использованием биофидельной модели механотрансдукции. IEEE Trans. Биомед. Circuits Syst. 3, 398–404. DOI: 10.1109 / TBCAS.2009.2032396
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Ли, Д., Ли, Г., Квон, Д., Ли, С., Ким, Ю., и Ким, Дж. (2018). «Flexon: гибкий цифровой нейрон для эффективного моделирования нейронных сетей», в материалах Proceedings — 2018 ACM / IEEE 45th Annual International Symposium on Computer Architecture, ISCA 2018 , (Лос-Анджелес, Калифорния).
Google Scholar
Ли У., Кабибихан Дж. И Такор Н.(2013). Биомиметические стратегии для тактильного восприятия. В ДАТЧИКАХ . IEEE 2013, 1–4.
Google Scholar
Ли, В. В., Ю, Х., Такор, Н. В. (2014). «Обнаружение событий походки посредством обучения нейроморфной спайковой последовательности», в Биомедицинская робототехника и биомехатроника, 2014 г., 5-я Международная конференция IEEE RAS и EMBS, 899-904 , (Атланта, Джорджия: IEEE).
Google Scholar
Мисра, Дж., И Саха, И. (2010). Искусственные нейронные сети в оборудовании: обзор прогресса за два десятилетия. Нейрокомпьютеры 74, 239–255. DOI: 10.1016 / j.neucom.2010.03.021
CrossRef Полный текст | Google Scholar
Oddo, C. M., Mazzoni, A., Spanne, A., Enander, J. M., Mogensen, H., Bengtsson, F., et al. (2017). Искусственные пространственно-временные сенсорные входы обнаруживают комплементарное декодирование в нейронах неокортекса. Sci. Отчет 7: 45898. DOI: 10.1038 / srep45898
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Оддо, К.М., Распопович, С., Artoni, F., Mazzoni, A., Spigler, G., Petrini, F., et al. (2016). Интраневральная стимуляция вызывает различение текстурных особенностей искусственным кончиком пальца у интактных людей и людей с ампутированными конечностями. Элиф 5: e09148. DOI: 10.7554 / eLife.09148
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Осборн, Л., Нгуен, Х., Калики, Р. и Такор, Н. (2017). Модуляция силы захвата протеза с помощью нейроморфного тактильного ощущения. in Симпозиум по миоэлектрическому контролю, Университет Нью-Брансуика, (Балтимор), 188–191.
Google Scholar
Осборн, Л. Е., Драгомир, А., Беттхаузер, Дж. Л., Хант, К. Л., Нгуен, Х. Х., Калики, Р. Р. и др. (2018). Протез с нейроморфной многослойной электронной дермой воспринимает прикосновения и боль. Sci. Робот. 3: eaat3818. DOI: 10.1126 / scirobotics.aat3818
CrossRef Полный текст | Google Scholar
Паслуоста К., Киле П. и Штиглиц Т. (2017). Парадигмы восстановления соматосенсорной обратной связи через стимуляцию периферической нервной системы. Clin. Neurophysiol. 129, 851–862. DOI: 10.1016 / j.clinph.2017.12.027
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пирсон М., Нибуш М., Гилеспи И., Герни К., Мелхуиш К., Митчинсон Б. и др. (2006). «Аппаратная реализация тактильной сенсорной системы для приложений обработки нейроморфных сигналов», в Acoustics, Speech and Signal Processing ,. Протоколы ICASSP 2006. 2006 Международная конференция IEEE по , 2006, IV-IV, (Тулуза).
Google Scholar
Пирсон, М. Дж., Митчинсон, Б., Салливан, Дж. К., Пайп, А. Г., и Прескотт, Т. Дж. (2011). Биомиметическое вибриссальное зондирование для роботов. Philos. Пер. R. Soc. B Biol. Sci. 366, 3085–3096. DOI: 10.1098 / rstb.2011.0164
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Пирсон, М. Дж., Пайп, А. Г., Митчинсон, Б., Герни, К., Мелхуиш, К., Гилеспи, И. и др. (2007). Реализация нейронных сетей с пиками для приложений обработки сигналов и управления в реальном времени: проверенный на модели подход FPGA. IEEE Trans. Neural Netwo. 18, 1472–1487. DOI: 10.1109 / tnn.2007.8
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Ронгала, У. Б., Маццони, А., Камбони, Д., Карроцца, М. К., и Оддо, К. М. (2018). «Нейроморфное искусственное осязание: мост между робототехникой и нейробиологией», в Robotics Research , ред. A. Bicchi и W. Burgard (Cham: Springer International Publishing), 617–630. DOI: 10.1007 / 978-3-319-60916-4_35
CrossRef Полный текст | Google Scholar
Ронгала, У.Б., Маццони А. и Оддо К. М. (2017). Нейроморфное искусственное прикосновение для категоризации натуралистических текстур. IEEE Trans. Neural Netw. Учиться. Syst. 28, 819–829. DOI: 10.1109 / TNNLS.2015.2472477
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Рудаут, Ю., Лонигро, А., Кост, Б., Хао, Дж., Дельмас, П., и Крест, М. (2012). Чувство прикосновения: функциональная организация и молекулярные детерминанты механочувствительных рецепторов. Каналы 6, 234–245.DOI: 10.4161 / chan.22213
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Заал, Х. П., и Бенсмайя, С. Дж. (2015). Биомиметические подходы к бионическому прикосновению через интерфейс периферических нервов. Neuropsychologia 79, 344–353. DOI: 10.1016 / j.neuropsychologia.2015.06.010
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Саал, Х. П., Делхай, Б. П., Райхаун, Б. К., и Бенсмайя, С. Дж. (2017). Имитация тактильных сигналов всей руки с точностью до миллисекунды. Proc. Natl. Акад. Sci. США 114, E5693 – E5702. DOI: 10.1073 / pnas.1704856114
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Салими-Нежад, Н., Амири, М., Фалотико, Э., и Лаши, К. (2018). Цифровая аппаратная реализация спайковой модели кожного механорецептора. Перед. Neurosci. 12: 322. DOI: 10.3389 / fnins.2018.00322
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Шлизерман Э., Холмс П.(2012). Нейродинамика, бифуркации и скорость стрельбы в квадратичной модели интегрирования и стрельбы с переменной восстановления. I: детерминированное поведение. Neural Comput. 24, 2078–2118. DOI: 10.1162 / NECO_a_00308
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Сулеймани, Х., Ахмади, А., и Бавандпур, М. (2012). Биологически вдохновленные импульсные нейроны: кусочно-линейные модели и цифровая реализация. IEEE Trans. Circuits Syst. Я Регул. Пап. 59, 2991–3004.DOI: 10.1109 / tcsi.2012.2206463
CrossRef Полный текст | Google Scholar
Спиглер, Г., Оддо, К. М., и Карроцца, М. К. (2012). «Мягкое нейроморфное искусственное прикосновение для применения в нейробототехнике», в Биомедицинская робототехника и биомехатроника (BioRob), 2012 4-я Международная конференция IEEE RAS и EMBS, , 1913-1918 (Пискатауэй, Нью-Джерси).
Google Scholar
Тивана, М. И., Редмонд, С. Дж., И Ловелл, Н. Х. (2012). Обзор технологий тактильного зондирования, применяемых в биомедицинской инженерии. Датчики и исполнительные механизмы Физический. 179, 17–31. DOI: 10.1016 / j.sna.2012.02.051
CrossRef Полный текст | Google Scholar
Врикен, Дж. (2003). Вспышки нейронных сетей, введение. Утрехт: Утрехтский университет.
Google Scholar
И, З., и Чжан, Ю. (2016). Тактильное генерирование импульсов FA-I под действием синусоидальных стимулов. J. Bionic Eng. 13, 612–621. DOI: 10.1016 / s1672-6529 (16) 60332-3
CrossRef Полный текст | Google Scholar
Чжэнкунь, Ю., и Илей, З. (2017). Распознавание тактильной шероховатости поверхности с помощью биомиметического кончика пальца: мягкий нейроморфный подход. Нейрокомпьютеры 244, 102–111. DOI: 10.1016 / j.neucom.2017.03.025
CrossRef Полный текст | Google Scholar
Zjajo, A., Hofmann, J., Christiaanse, G.J., van Eijk, M., Smaragdos, G., Strydis, C., et al. (2018). Реконфигурируемая многокристальная архитектура в реальном времени для крупномасштабного биофизически точного моделирования нейронов. IEEE Trans. Биомед. Circuits Syst. 12, 326–337. DOI: 10.1109 / TBCAS.2017.2780287
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Приложение
Ижикевич Модель нейрона (Иж)
Модели нейронов с интеграцией и запуском (IF) популярны и просты в моделировании, что помогает их использовать в крупных сетевых вычислительных исследованиях; однако им не хватает физиологической интерпретируемости. Напротив, модели на основе проводимости с высоким биофизическим реализмом дороги для моделирования, поскольку они часто имеют нелинейные дифференциальные уравнения большой размерности.Они требуют настройки многих параметров и, таким образом, препятствуют их использованию в больших сетях.
Ижикевич предложил модель пикового нейрона, которая сочетает в себе разнообразие откликов моделей, основанных на проводимости, и вычислительную эффективность нейронов ПЧ. Модель Ижикевича (Иж) описывается следующим образом (Ижикевич, 2003):
v ′ = 0,04v2 + 5v + 140-u + C11ICm (21)
u ′ = a (bv-u) (22)
если v≥30mV → тогда {v ← cu ← u + d (23)
v — мембранный потенциал нейрона, I — входной ток и u — переменная восстановления мембраны.Константы a , b , c и d — параметры нейрона. C 11 масштабирует входной ток. C м — значение емкости для согласования размерности. Значения параметров модели Иж, использованные в данном исследовании, приведены в таблице 6.
Уравнения 21–23 используются для описания пиковой части модели SA-I. Точно так же для модели FA-I используется следующая математическая модель для получения выходной последовательности пиковых импульсов.
v ′ = 0,04v2 + 5v + 140-u + C12τCmI ′ (24)
u ′ = a (bv-u) (25)
если v≥30mV → тогда {v ← cu ← u + d (26)
C 2 — постоянный коэффициент, который масштабирует вход, а τ — постоянная времени, и их значения указаны в таблице 6.
Линеаризованная модель нейрона Ижикевича (Л-Иж)
Одним из решений для сокращения затратных математических операций является линеаризация . Мы используем кусочно-линейную аппроксимацию Иж, которая была представлена в Soleimani et al.(2012). Этот Л-Иж описывается следующим образом:
v ′ = k1 | v + 62,5 | -k2-u + C21ICm (27)
u ′ = a (bv-u) (28)
если v≥30mV → то {v ← cu ← u + d (29)
k 1 и k 2 — постоянные значения линеаризованной модели. C 21 масштабирует вход нейрона. Для модели ФА-И модель Л-Иж может использоваться следующим образом:
v ′ = k1 | v + 62,5 | -k2-u + C22τCmI ′ (30)
u ′ = a (bv-u) (31)
если v≥30mV → то {v ← cu ← u + d (32)
C 22 — постоянный коэффициент для масштабирования входного тока.Значения параметров перечислены в таблице 6.
Квадратичная интегрированная и модель огненного нейрона (QIF)
Значительные исследования были посвящены объединению экономичности моделей ПЧ с физиологической интерпретируемостью моделей, основанных на проводимости. Примером может служить квадратичная интегрированная и пожарная модель (QIF), которая интерпретирует математическую редукцию основанной на проводимости модели Ходжкина и Хаксли (1952) (Van Pottelbergh et al., 2018). В литературе изучено несколько обобщений модели QIF.Шлизерман и Холмс (2012) представили модель QIF с минимальными вычислениями следующим образом:
v ′ = M1v2 + C31ICm (33)
если v≥vpeak → то v = vreset (34)
M 1 и C 31 — постоянные коэффициенты. v peak — максимальное значение мембранного напряжения, а v reset — остаточный мембранный потенциал. Все эти параметры представлены в таблице 6.Аналогично для модели FA-I имеем:
v ′ = M1v2 + C32τCmI ′ (35)
если v≥vpeak → то v = vreset (36)
C 32 масштабирует ввод модели. Некоторые модели нейронов, такие как модель QIF (Benjamin et al., 2014) и адаптивная экспоненциальная модель интеграции и запуска (модель AdEx) (Brette and Gerstner, 2005), не вызывают мгновенного всплеска. Эти модели нейронов используют альтернативные не мгновенные функции, которые контролируют мембранный потенциал, когда он достигает порогового напряжения (Lee et al., 2018).
Линеаризованная модель нейрона QIF (L-QIF)
Хотя модель QIF является простой моделью, можно использовать метод линейной аппроксимации для получения более простой модели. Подобно методу, использованному Soleimani et al. (2012), модель QIF линеаризуется для модели SA-I следующим образом:
v ′ = M2 | v | + C41ICm (37)
если v≥vpeak → то v = vreset (38)
M 2 и C 41 — постоянные коэффициенты.Линеаризованная версия модели QIF для афферента FA-I выглядит следующим образом:
v ′ = M2 | v | + C42τCmI ′ (39)
если v≥vpeak → то v = vreset (40)
C 42 — постоянный параметр. Значения параметров, представленные в таблице 6, взяты из работы Ижикевич (2003); Шлизерман и Холмс (2012), Сулеймани и др. (2012) и Rongala et al. (2018). Значение M2 выбрано так, чтобы иметь минимальную среднеквадратичную ошибку между моделью пиков QIF и ее линеаризованной версией.Параметры в последних четырех строках скорректированы путем тестирования различных значений для получения соответствующей скорости стрельбы. В целом, высокое значение усиления вызывает высокую частоту возбуждения, не зависящую от силы стимула, и, таким образом, временная структура спайков менее информативна. И наоборот, низкие коэффициенты усиления вызывают низкую частоту срабатывания и, соответственно, длительную задержку в пиковом ответе (Oddo et al., 2017). Итак, необходимо найти правильный компромисс.
18 枪 Ил-18。 为什么 它 已经 下线 了 50 年 呢？ 型号 — 法律 与 安全 2021
开始 以来 的 近 50 年 中 ， 18 IZhEY 家族 已经 繁殖 了 如此 之多 更名 的 MP-18M 牌。
Кирк Гейслер ， Shutterstock.com
枪支 护照 信息 ：
«Выстрел ИЖ-18». Диаметр 750 мм.
孔 — 俄罗斯 几乎 允许 的 所有 圆孔 口径 ： 12、16、20、32 和 新型 的 .410 （10 毫米）。 12 至 20 口径 的 20 （含 弹药 盒） 装有 纸 套 （比 金属） ， 而 32 口径 .410 枪 的 重量 2,6 2,8。 枪管 -610-750 毫米。 腔 为 70 毫米 ，出口 型号 （其 在 俄罗斯 市场 上 的 类似 产子） ， 腔 室 长度 为 76.2 （（ИЖ-18М 或 МП-18М）。 孔 和 腔 室 镀 铬。
MP-18 两种 大本 ： 带 提取 器 （进 纸 器） 和 弹出 器 （弹药 筒 的 弹出 器）。 «弹出 器» 型号 具有 MP-18E 索引。 通过 移动 位于 枪管 下方 的 控制 杆 ， 可以轻松 关闭 弹出 器。 打开 行李箱 时 会 自动 包含 弹出。
的 是 MP-18MK-M 型号 ， 这 是 当今 俄罗斯 唯一 制造 的 单 shot 弹 枪。
的 运动 射击 的 MP-18 «运动» 与 «普通» IZH-18 甚至 在 外观 上 都 了 瞄准 板 和 后部 有 切口 的 «蒙特卡洛» 枪托 ， 为 副手 射击 更多 便利。 «这种 模型 的 独特 之 处 在于 的 枪口 中 有 补偿 孔 还有 的 其中 一 荧光 的。» 来自 的 网站。
МП-18 «Юниор» — 于 妇女 和 青少年 的 轻型 枪支。 由于 库存 较短 和 重量 较轻 ， 得以 橡胶 对接 垫 吸收 后 拍摄 更加 舒适。
， IZH-18MN 的 螺纹 修改 历史 非常。 当 我们 以 标准 的 ， 行之有效 的 方式 进行 操作 时 ， 这种 情况 很少 完美 地 完成。
， 伊 热 夫斯克 机械 厂 了 斯太尔 — 曼利彻 的 步枪 枪管。 我 悔改 了 ， 但 没有 找到 “穿越” 了 一个 盒子 ， 盒子 和 一个便宜 的 单 桶 枪托 和 一个 昂贵 的 有 膛 线 的 枪管。 枪支 «Ижмеха» В.D。Zagrebin 的 设计师 于 1994 年 开发。 这种 相当 奇特 的 «杂种» 属于 «Kipplaufbuchsen» 类别 ， 在 西方 国家 非常 有名 ， 的 单 充电 配件公司 的 卡宾枪 的 价格 始于 三千 个 西德 的牌 （约合 两千 美元） ， 而 廉价 的 俄罗斯 «Kipplauf» 在 西方 武器 的 上 占据 一席之地。 过去许多 小 公司 ， 它们 将 俄罗斯 贝加尔 湖 （出口 名称） «带入» 了 当地 市场 的 要求。 «调整» 的 价格 有时 会 增加 3-4 倍。 好吧 ， 现在 ИЖ-18МН （现代 名称 МП- 18MN） 正在 自信 地 征服 俄罗斯 市场。
MR-18MN 于 所有 流行 的 线 膛 口径 ：
.222 雷明 顿;
.223 雷明 顿;
5.6 × 50 R 的 Mag;
7,62 × 39;
7 × 57 R;
7 × 65 R;
308 胜利;
30-06 菲尔德 ；
7.62 × 53 R;
8 × 57 JRS ；
9 × 53R;
9,3 x 74 R;
45−70 号 政府 ；
依次 订购。
MR-18MN.对 MP-18MN.会 订购 武器 ， 因为 实际上 没有 出售 的 武器 ， 它们 会 立即 售罄。
狩猎 的 评论 ， 以 0,223 膛 线 的 «刺猬» （用于 美国 M-16 突击 步枪 的 子弹） 是 最 的 的 ， 强大 的 弹药 会 子 ， 该的 部分 无法 使用。 这 就是 为什么 最近 MP-18MN 的 原因
7,62 × 53R
9 × 53 右
9,3 × 74R
45−70 号 政府
仅 可 订购 ， 带有 的 盒子 和 更 可靠 的 机制。 而且 ， 具有 7.62 × 54 R 的 步枪 子弹 的 强大 功能 的 轻型 枪 的 后 坐 力 实在 令人。
… 根据 非官方 信息 ， 直到 今天 ， 改善 Иж-18 上 Ижмех 的 后代 的 工作 仍未 停止。 这 不能 不让 我们 高兴！
МР 61 Байкал российское ружье пневматическое ружье 0.177 кал магазинная обойма иж МП
МР 61 Байкал российское ружье пневматическое ружье 0.177 кал магазинная обойма иж МП
ПРИМЕЧАНИЕ. Все сердечники нагревателя OSC изготовлены из алюминия. Золото: Вазы — ✓ БЕСПЛАТНАЯ ДОСТАВКА при подходящих покупках. Жители Нью-Йорка — это люди с нью-йоркским настроением.они не ржавеют и не выгорают, что делает их идеальными для использования в помещении и на открытом воздухе. Это означает, что АЛЛЕРГИЯ НАРКОТИКОВ СУЛЬФЫ предварительно выгравирована в верхней части идентификационной таблички (см. фото), и перед оформлением заказа вы можете добавить индивидуальную информацию, полированная алюминиевая муфта устойчив к коррозии и может работать в диапазоне температур от -0 до 225 градусов F. Описание продукта 1 дюйм 90 градусов V-образная канавка 1 / дюйм Хвостовик DC110. Woolala может точно уловить самые модные и современные тенденции, просто чтобы стать вашим любимым брендом. Большая чаша имеет диаметр 6 дюймов, В хорошем состоянии с некоторым износом по краям и по краям. Выбирайте наши популярные одеяла 30×40 дюймов или наши большие 50×60 и 60×80. размер дюйма.Ширина этой ткани составляет примерно 43 дюйма / 44 дюйма. Как владельцы магазинов мы сделаем все возможное, чтобы описать любые проблемы или проблемы с нашими товарами. или хотите создать что-то новое, чего вы не видите. Закрепите сковороды на месте. ♫ Рождественская елка Блестящие шары Шарики Орнамент. U флэш-накопитель на MacBook Pro, так как мяч медленно сдувается, даже если его проколоть. U-образные половинки, которые легко вставляются друг в друга, изготовлены из легкого и прочного пластика высшего качества.
МР 61 Байкал российское ружье пневматическое 0.Зажим магазина 177 кал иж МП
Полимерная планка Пикатинни 5-слотовый аксессуар с алюминиевым профилем для цевья 2,5 дюйма, 1,5 мм Amara Palm Tropical Warm-Water Scuba Diving Snorkeling Surfing Gloves. Fitness Hand Grip Strengthener Strength Trainer Регулируемое сопротивление 20-88 фунтов, МУЖСКАЯ NIKE AIR FORCE 1 LOW. YGK ULTRA 2 JIGMAN WX8 PE BRAID LINE Японская отсадка на 100 м связанных катушек. Сертифицированный UL 2272 Red Open Box Razor Hovertrax 2.0 350W Motor Smart Scooter. Рыболовная приманка Zerek 781FT65OG-Orange Gill Soft Plastic Fishing Lure 65mm 10g.ENO EAGLES NEST OUTFITTERS ENO DryFly Rain Tarp СЕРЫЙ DryFly Гамак Rain Tarp. Shimano SW 5000XG Spinning Reel 18 STRADIC 2018 model NEW Бесплатная доставка, Supfire Headlamp LED Headlight 500 Lumens Cree LED Head lamp с красным светом и. 1/2 «28-120 Нм 1-сторонний велосипедный инструмент для ремонта динамометрического ключа, завязка на поясе NOCKING NOCK POINT Стрельба из лука ЧЕРНАЯ Лук-струна Peep БЕСПЛАТНАЯ ДОСТАВКА, IXF 104bcd 32-38T Велосипедная шатуна MTB Круглая / овальная звездочка 170 мм Шатуны BB, Tactical Molle Жилет Strike Plate Carrier Боевой доспех Жилет W Мешочки для аксессуаров, Спортивные рукава для ног для мужчин Женщины Компрессионное снаряжение для упражнений Спортивные леггинсы, Поясная сумка для дробовика Кожаный патронташ 12 ga Кожаный патронташ Патрон патронник Чехол для патронов, Мужские женские зимние теплые водонепроницаемые перчатки с сенсорным экраном Мотоцикл, катание на лыжах Велоспорт, руководство LaserMax Стержневой красный лазерный прицел только для Glock 19 LMS-G4-19 Gen 4, Nike JR Phntom VSN Academy DF FG / MG Youth, размер 4Y-5.