diff --git "a/Computational Science/graduate/Compressed Sensing and Sparse Optimization/Advanced Topics/Advanced Algorithmic and Theoretical Frameworks/Gordon Escape Through a Mesh Theorem/Hardcore/zh-CN/Gordon's Escape Through a Mesh \345\256\232\347\220\206/MainContent.md" "b/Computational Science/graduate/Compressed Sensing and Sparse Optimization/Advanced Topics/Advanced Algorithmic and Theoretical Frameworks/Gordon Escape Through a Mesh Theorem/Hardcore/zh-CN/Gordon's Escape Through a Mesh \345\256\232\347\220\206/MainContent.md" index d3ca1bbc303..917f9e43e36 100644 --- "a/Computational Science/graduate/Compressed Sensing and Sparse Optimization/Advanced Topics/Advanced Algorithmic and Theoretical Frameworks/Gordon Escape Through a Mesh Theorem/Hardcore/zh-CN/Gordon's Escape Through a Mesh \345\256\232\347\220\206/MainContent.md" +++ "b/Computational Science/graduate/Compressed Sensing and Sparse Optimization/Advanced Topics/Advanced Algorithmic and Theoretical Frameworks/Gordon Escape Through a Mesh Theorem/Hardcore/zh-CN/Gordon's Escape Through a Mesh \345\256\232\347\220\206/MainContent.md" @@ -10,6 +10,8 @@ TEST CHANGE [click me](https://github.com/yanglei040/wiki_test/tree/main/keyword 通过这三个层次的递进学习，你将不仅掌握戈登定理的数学精髓，更将获得一种分析[高维数据](@entry_id:138874)问题的几何直觉，为在相关领域的进一步研究和应用打下坚实的基础。 +TEST CHANGE [click me](https://github.com/yanglei040/wiki_test/tree/main/keyword) + ## 原理与机制 在上一章引言的基础上，本章深入探讨戈登（Gordon）的“穿网逃逸定理”（Escape Through a Mesh Theorem）背后的核心原理与数学机制。我们将系统地构建这一理论，从其核心的几何复杂度度量——[高斯宽度](@entry_id:749763)（Gaussian width）出发，阐述定理的精确表述及其几何解释，最终展示其在压缩感知和[稀疏恢复](@entry_id:199430)问题中的强大应用。本章旨在揭示该定理如何将一个复杂的高维概率问题转化为一个更易于分析的、由几何和概率参数控制的问题。 diff --git "a/keyword/Keywords starting with a/adh/Feynman/zh-CN/\346\212\227\345\210\251\345\260\277\346\277\200\347\264\240 (ADH)/MainContent.md" "b/keyword/Keywords starting with a/adh/Feynman/zh-CN/\346\212\227\345\210\251\345\260\277\346\277\200\347\264\240 (ADH)/MainContent.md" index 1c154205104..045757dd0b4 100644 --- "a/keyword/Keywords starting with a/adh/Feynman/zh-CN/\346\212\227\345\210\251\345\260\277\346\277\200\347\264\240 (ADH)/MainContent.md" +++ "b/keyword/Keywords starting with a/adh/Feynman/zh-CN/\346\212\227\345\210\251\345\260\277\346\277\200\347\264\240 (ADH)/MainContent.md" @@ -9,6 +9,10 @@ 这个控制系统的核心是大脑，它扮演着城市的中央水务管理当局。它不知疲倦地监测的主要变量是[血浆渗透压](@article_id:315212)浓度。可以把它想象成你身体内部海洋的[恒温器](@article_id:348417)。但是，大脑被坚固如堡垒的[血脑屏障](@article_id:306803)保护着，它如何能知道血液的咸度呢？大自然的优雅解决方案是在这道屏障上建造了几个特殊的“窗户”。这些是微小的大脑区域，称为**脑室周围器官**，例如**终板血管器 (organum vasculosum of the lamina terminalis, OVLT)** 和**穹窿下器 (subfornical organ, SFO)**。在这里，被称为**[渗透压](@article_id:302332)感受器**的特殊[神经元](@article_id:324093)与[血流](@article_id:309096)直接接触。 +TEST CHANGE [click me](https://github.com/yanglei040/wiki_test/tree/main/keyword) + +keyword/a/adh/Feynman/zh-CN/抗利尿激素 (ADH)/MainContent.md + 这些渗透压感受器非同寻常。当你的血液变得稍微过于浓缩时——也许你刚在炎热的天气里运动而没有喝足够的水——水便开始通过[渗透](@article_id:361061)作用离开这些[神经元](@article_id:324093)。它们在物理上会收缩。这种收缩就像一个机械[触发器](@article_id:353355)，使它们发出电信号，大声疾呼：“我们这里变得太咸了！”。 这些警报并非凭空发出。它们被发送到一个整合中心——**正中视前核 (median preoptic nucleus, MnPO)**，它就像一个指挥控制中心。MnPO 处理这些信号并作出两个关键决定。首先，它将信号传递到更高层的皮层区域，产生**渴感**的意识——一种寻找并饮水的强大行为驱动力。其次，它向下丘脑的**视上核 (supraoptic nucleus, SON)** 和**室旁核 (paraventricular nucleus, PVN)** 中的大细胞[神经元](@article_id:324093)发送紧急指令。这个指令很简单：“释放激素！” 。 @@ -53,4 +57,4 @@ ADH 并非单独行动。它是调节液体和电解质平衡的激素交响乐 * **[肾素-血管紧张素-醛固酮系统](@article_id:314987) (RAAS)** 被低[血压](@article_id:356815)激活。这个级联反应中的最终激素**醛固酮**告诉肾脏重吸收钠。随着盐被保留，水也必须跟随。其任务是：“保留盐分，水自然会跟随！” * 与此同时，**心房利钠肽 (ANP)** 的分泌受到抑制。ANP 是心脏在响应*高*血容量时释放的一种激素。抑制这种通常促进盐和水排泄的激素，就像松开刹车，让 ADH 和醛固酮系统不受阻碍地工作。 -这些激素共同构成了一个互锁的[反馈回路](@article_id:337231)网络，证明了为维持我们内部海洋的精巧平衡而进化出的这些防故障、冗余且极其敏感的系统，使得我们身体的这座城市能够在不断变化的世界中茁壮成长。 \ No newline at end of file +这些激素共同构成了一个互锁的[反馈回路](@article_id:337231)网络，证明了为维持我们内部海洋的精巧平衡而进化出的这些防故障、冗余且极其敏感的系统，使得我们身体的这座城市能够在不断变化的世界中茁壮成长。