课程文献中心 更多>>

关键词： 参灵草口服液   非小细胞肺癌   网络药理学   PI3K-AKT信号通路   动物实验  

摘要： 目的 通过网络药理学预测参灵草口服液（Shenlingcao oral liquid，SLC）抑制非小细胞肺癌（non-small cell lung cancer，NSCLC）的作用机制，并利用分子对接和体内动物实验进行初步验证。方法 利用数据库及文献查找获得SLC活性成分和对应靶点以及NSCLC对应靶点；取SLC和NSCLC共同靶点构建蛋白质相互作用网络，并进行基因本体分析（gene ontology，GO）和京都基因与基因组百科全书分析（kyoto encyclopedia of genes and genomes，KEGG）富集分析和分子对接。构建Lewis肺癌小鼠模型，设置模型组（Model组）、SLC高剂量组（SH组）和SLC低剂量组（SL组），SH组和SL组分别按冻干粉8.75 g/kg和3.50 g/kg剂量灌胃给药。连续灌胃给药14 d后，观察荷瘤小鼠肿瘤生长情况、肿瘤组织病理变化以及肿瘤细胞凋亡情况，检测小鼠血常规指标变化，检测小鼠肿瘤组织中磷酸化蛋白激酶 B（phospho-protein kinase B，p-AKT）、蛋白激酶 B（protein kinase B，AKT）、磷酸化磷脂酰肌醇3-激酶（phospho-phosphatidylinositol 3-kinase，p-PI3K）、磷脂酰肌醇3-激酶（phosphatidylinositol 3-kinase，PI3K）、B细胞淋巴瘤-2（B-cell lymphoma-2，Bcl-2）蛋白表达情况，验证KEGG富集的结果。结果 网络药理学分析表明SLC活性成分77个，潜在作用靶点618个，NSCLC潜在作用靶点1498个，药物与疾病交集靶点179个。交集靶点富集分析表明，主要富集在磷脂酰肌醇3-激酶-蛋白激酶B信号通路（phosphatidylinositol 3-kinase-protein kinase B signaling pathway，PI3K-AKT）、丝裂原活化蛋白激酶信号通路（mitogen-activated protein kinase signaling pathway，MAPK）等相关通路。分子对接显示前10位核心成分与前10位核心靶点具有较好的结合能力。动物实验结果显示，与模型组比较，SLC高、低剂量组肿瘤体积和肿瘤重量显著减小（P ＜ 0.05，P ＜ 0.01），白细胞（white blood cell，WBC）、中性粒细胞（neutrophil，Neut）、单核细胞（monocytes，Mono）数量显著减少（P ＜ 0.05，P ＜ 0.01，P ＜ 0.001），红细胞（red blood cell，RBC）、血小板（platelet，PLT）、血红蛋白（hemoglobin，HGB）数量显著升高（P ＜ 0.05，P ＜ 0.01，P ＜ 0.001），肿瘤组织早期凋亡细胞显著增加（P ＜ 0.05，P ＜ 0.01），p-PI3K/PI3K、p-AKT/AKT和Bcl-2/GAPDH蛋白表达水平显著减低（P ＜ 0.05，P ＜ 0.01）。PI3K、AKT1和Bcl-2基因表达水平显著降低（P ＜ 0.05，P ＜ 0.01，P ＜ 0.001）。结论 SLC对NSCLC发挥抑制作用，其机制可能与激活PI3K-AKT通路、促进细胞凋亡有关。

关键词： 烤烟   成熟度   颜色值   SPAD值   BP神经网络  

摘要： 为实现烟叶田间成熟度的精准判别，减小人为主观因素导致的成熟度差异。烟叶采收前，在贵州省黔东南州对云烟87中部叶田间成熟度进行判别，并测定颜色值和SPAD值，采用逐步回归法剔除对成熟度影响较小的指标后，建立BP神经网络模型。结果表明，不同成熟度烟叶颜色值、SPAD值差异显著；烟叶田间成熟度主要受亮度值L、红度值a、饱和度C、色调角H和SPAD值影响；以颜色值、SPAD值构建的BP神经网络模型能够实现对烤烟中部叶田间成熟度的判别。

关键词： 电力物流   物资管理   优化策略   信息化管理   成本控制  

摘要： 随着电力行业的快速发展,物流管理在电力行业中的作用越来越重要.本文旨在研究电力物流管理中心物资管理的优化策略,以提高物资调配效率、降低库存成本、提升物资使用率和实现信息化管理为目标,通过优化采购、存储、分配、运输、维护和报废策略,推动电力物流管理中心物资管理的全面升级,以满足电力行业的发展需求.

关键词： 复杂网络   链路预测   图卷积神经网络   图嵌入  

摘要： 为了提高城市公共交通系统的管理效率，提出一种复杂网路链路预测算法GCNs-LP。算法整合多源数据，设计了元路径随机游走和skip-gram模型训练，通过神经网络特征学习获得节点的低维向量表示，基于节点向量对的相似度进行链路预测。实验结果表明：该算法在深圳市、上海市和南京市的地铁网络数据集上均取得了优于基线方法（CN、PA、Node2Vec、LPNMF等）的预测性能，AUC值分别至少提升29%、14.6%、7.1%。GCNs-LP算法能有效捕捉交通网络中的复杂结构特性。

关键词： 光伏阵列   故障诊断   人工神经网络   门控卷积  

摘要： 为提高光伏阵列故障诊断准确率，提出了一种改进的人工神经网络（ANN）的光伏阵列故障检测方法。在ANN中，增加门控卷积层、扁平化层和全连接层替代隐藏层，解决现有的ANN容易产生梯度消失问题;并利用Adaptive Softmax作为模型的输出层激活函数，减少由于数据集规模较大而带来的计算时间增加。利用MATLAB软件建立了光伏阵列仿真模型，获得不同状态模拟运行数据，同时利用从文献中获得光伏阵列实际不平衡运行数据集，对改进后的ANN与文献所提六种机器学习方法进行诊断性能对比分析，显示所提方法的诊断性能优势。

关键词： 微波计算成像   信息超材料   相位恢复   深度学习   超网络  

摘要： 信息超材料是一种人工结构阵列，其能够通过设计单元参数的排列方式定制等效材料和媒质属性，实现对电磁场和电磁波的灵活调控，带来全新的物理现象.基于信息超材料孔径的微波计算成像（Microwave Computational Imaging based Information Metamaterial Aperture, IMA-MCI）技术可以不依靠于雷达平台与目标之间的相对运动，在波束内实现目标的高分辨率成像.在微波成像过程，由于信息超材料天线的制作工艺限制，可能会导致相位误差的产生，IMA-MCI在有相位误差的情况下，对目标场景的重构能力不足.针对该问题，本文构建了基于反射式信息超材料天线的微波计算成像模型，提出一种结合深度展开网络和相位恢复算法的成像技术.该算法在相位恢复算法的基础上引入了动态超网络为原有网络生成阻尼因子，能够根据输入场景不同进行调整，在线生成阻尼因子，在系统的参数发生变化时仍然具有较好的性能.实验结果显示，该方法具有较好的成像性能和鲁棒性.

关键词： 混料设计   干法制粒   G1-熵权法   神经网络   物理指纹图谱  

摘要： 目的 优化夏枯草开音颗粒制剂处方，并对中间体进行质量控制。方法 采用粉体学评价方法，测定夏枯草开音颗粒喷干粉的物理特性，建立由松装密度、振实密度、休止角、豪斯纳比等9个二级物理质量指标构成的物理指纹图谱，确定前期工艺的稳定性及喷干粉的质量一致性。以颗粒成型率、溶化率、吸湿率和休止角为评价指标，进行干法制粒，对夏枯草开音颗粒的辅料进行筛选；采用混料设计试验结合G1-熵权法和神经网络法分别对所筛选的辅料配比进行优化，并对比2种方法，确定夏枯草开音颗粒的最佳制剂工艺。建立颗粒的物理指纹图谱，评价不同批次间颗粒质量的一致性。结果 9批喷干粉的物理指纹图谱相似度大于0.970，物理属性稳定。通过混料设计试验得到的最佳辅料配比的综合评分高于神经网络建模寻优得到的综合评分，故最终确定夏枯草开音颗粒制剂处方的药辅比为7∶3，加入29%麦芽糊精和71%乳糖，进行干法制粒。5批颗粒的物理指纹图谱相似度大于0.994。结论 建立的中间体物理指纹图谱可用于夏枯草开音颗粒的质量过程控制，优选出的夏枯草开音颗粒制剂处方能够较好改善颗粒的物理属性，提高颗粒质量一致性。

关键词： 电气设备红外图像   目标检测   轻量级网络   通道注意   池化  

摘要： 提出一种适合边缘计算设备的轻量级卷积神经网络（LightweightES）用于识别热像中的电气设备及其异常发热故障。为达到减少模型参数的同时提升检测精度的目标，对经典SSD进行改造，首先利用MobileNetV3轻量级网络作为特征提取骨干网络，快速高效地提取图像特征；然后引入高效通道注意模块ECA，提高网络的检测精度；最后采用软池化(SoftPool)方法以减少池化信息损失，提高网络的分类精度。建立并标注了10 516张电气设备红外图像数据集，含电流互感器、避雷器、绝缘子、隔离开关、断路器、套管等6种户外变电站设备。实验结果表明LightweightES算法mAP达93.8%，较SSD提高了7.5百分点，参数量仅为SSD的1/5，检测帧率达55fps，能够实时准确地识别电气设备及其局部温度异常故障，适用于算力有限的智能现场监测终端。

关键词： 安全   钻井   大数据   人工智能   能源安全   数字化转型   工程技术   算法  

摘要： （目的意义）溢流是钻采过程中的主要风险之一，不及时预警将导致井控失效甚至诱发井喷。提前识别溢流，能够降低事故率。（方法过程）将井口溢流状态数据间的关联特性引入溢流早期识别模型，运用贝叶斯原理构建树增强型贝叶斯模型；从川渝地区 91 口钻井溢流事件收集到的录井数据中提取时序性特征录井参数并构建训练数据集，引入模型训练得到条件概率表，运用模型计算测试数据得到后验概率，通过比较正常与溢流状态的后验概率大小识别溢流状态。（结果现象）将时序数据的每一时间点对应的各参数异常识别结果作为一个数据状态组，运用树增强贝叶斯模型识别此刻钻井状态正常还是溢流。早期溢流识别预警模型的预警结果显示，树增强型贝叶斯模型在溢流发现前 16.6 min依据参数变化识别出溢流状态，并且在两个模型误报率相当的情况下较朴素贝叶斯溢流识别模型的识别时间提前 510 s。（结论建议）研究结果表明，树增强型贝叶斯模型相较于朴素贝叶斯模型可以更早期的识别出溢流状态，误报率增加并不明显。

关键词： 格拉姆角场   故障诊断   深度学习   神经网络  

摘要： 为了充分发挥深度卷积神经网络识别二维图片在轴承故障诊断过程中的优势，这里提出了一种改进的格拉姆角场，改进后的算法在生成图片后具有更多的特征，经验证其在神经网络训练中收敛速度更快。其次结合改进的CNN模型，改进后的模型引进深度卷积结合注意力机制，保证模型在实现更少模型参数和更快的推理速度同时，在验证集能够取得更高的准确率。试验和研究结果表明，该图片编码方式结合改进的神经网络，在模型收敛上更迅速，并且在验证集上具有更好的准确率和鲁棒性。