课程文献中心 更多>>

关键词： 柏苓化浊丸   慢性前列腺炎   网络药理学   分子对接   作用机制  

摘要： 目的基于网络药理学和分子对接探讨柏苓化浊丸改善慢性前列腺炎(CP)的作用机制。方法采用中药系统药理学数据库与分析平台(TCMSP)筛选柏苓化浊丸的有效成分和作用靶点,从GeneCard数据库和比较毒理基因组学数据库获取疾病靶点,与作用靶点取交集,将交集基因上传至检索基因/蛋白相互作用(STRING)数据库进行蛋白相互作用分析,采用Cytoscape软件绘制蛋白相互作用网络和活性成分-交集基因网络。采用R软件进行基因本体(GO)生物学功能和京都基因与基因组百科全书(KEGG)通路富集分析预测柏苓化浊丸的作用机制。采用PyMOL、AutoDockTools和Vina软件进行分子对接验证。结果柏苓化浊丸共获得交集靶点103个,药物活性成分98个。关键活性成分为槲皮素、汉黄芩素、木犀草素等,核心靶点为V-JUN肉瘤病毒癌基因同源物(JUN)、雌激素受体1(ESR1)、丝氨酸/苏氨酸蛋白激酶(AKT1)、胱天蛋白酶3(CASP3)、细胞周期素D1(CCND1)等。柏苓化浊丸可通过调控磷脂酰肌醇3-激酶-丝苏氨酸蛋白激酶(PI3K-Akt)、白介素(IL)-17、肿瘤坏死因子(TNF)、丝裂原活化蛋白激酶(MAPK)、Janus激酶信号转导与转录激活因子(JAK-STAT)等多条信号通路改善CP。分子对接结果显示,关键活性成分与核心靶点结合力较好。结论柏苓化浊丸可通过多靶点、多信号通路抑制炎性因子的产生,调控细胞凋亡、免疫反应和氧化应激,从而改善CP。

关键词： 飞轮储能系统损耗   小样本学习   卷积神经网络   麻雀搜索算法   Logistic混沌映射  

摘要： 飞轮储能系统具有待机损耗,不适合长期储能。针对飞轮损耗这一经济指标,基于飞轮储能系统运行的小样本数据,提出了一种结合Logistic混沌麻雀优化算法和卷积神经网络的飞轮损耗计算模型。首先,分析了飞轮损耗产生的原因;接下来对宁夏灵武电厂的飞轮运行数据进行预处理,并使用对抗生成网络进行小样本扩充;然后基于卷积神经网络建立损耗模型,使用改进的麻雀算法对模型超参数进行优化,并通过对比验证了该模型的优越性;最后通过仿真实验证明了该模型能够优化飞轮储能系统的出力,降低飞轮损耗。

关键词： 残差网络   半色调   蓝噪声特性   深度学习   模型轻量化  

摘要： 为了解决图像半色调中处理速度慢以及半色调效果不佳的问题,提出基于轻量型残差卷积神经网络(CNN)的高效半色调算法.为了解决原始CNN平坦性退化问题,引入噪声补偿块,为模型提供抖动依赖.为了进一步提升模型性能,在损失函数中引入蓝噪声损失;在半色调常值灰度图像时,抑制低频分量,优化高频区域的各向异性.实验结果表明,对比现有深度半色调方法,所提算法的参数量下降96.77%,在VOC测试集中结构相似性(SSIM)提升8.17%,峰值信噪比(PSNR)提升0.1333 dB,半色调图像具有蓝噪声特性,处理速度提升57.28%.

关键词： 清心宁神汤   心不藏神不寐   网络药理学   分子对接   机制研究  

摘要： 目的:基于网络药理学、分子对接技术探讨清心宁神汤治疗心不藏神不寐的作用机制,并进行实验验证。方法:采用中药系统药理学数据库分析平台对清心宁神汤的药物活性成分及其靶点进行检索,接着在disgenet、OMIM和GeneCards数据库中查询并筛选出与失眠相关的靶点。随后,构建蛋白相互作用网络数据库,并将药物与疾病相关的交集基因上传至DAVID数据库以进行KEGG和GO通路的富集分析,从而预测清心宁神汤治疗失眠的潜在作用靶点和信号通路。此外,对清心宁神汤的主要活性成分与核心靶点蛋白进行分子对接分析,并通过动物实验来验证这些活性成分与蛋白靶点对治疗心不藏神失眠大鼠模型的相关指标的影响。结果:在药物作用靶点与失眠相关靶点基因的交集分析中,共识别出181个同时与失眠和药物相关的靶点基因。其中AKT1、TNF、TP53、IL-6、IL-1β为核心靶点,GO分析共筛选条目1052条,清心宁神汤治疗失眠富集的生物功能主要条目789条,细胞成分相关的有103条,分子功能相关的有160条;KEGG通路富集分析揭示了PI3K/AKT等170条信号通路的显著富集;而分子对接分析表明,AKT、NRF2、SOD等关键靶点与治疗失眠药物的亲和力较强。动物实验结果显示,清心宁神汤可改善GSH-Px、SOD及NRF2的表达,改善体内的氧化应激反应。结论:清心宁神汤能够通过作用于多个靶点和多条信号通路,对人体的氧化应激反应产生影响,从而改善GSH-Px、SOD及NRF2的表达水平,并调节PI3K/AKT信号通路中关键蛋白的表达,实现治疗心不藏神不寐的效果。

关键词： 智慧养老服务   老年人   数字鸿沟   网络安全   关键技术  

摘要： 人口老龄化是我国近年来面临的重点社会问题,与此同时数字化网络应用深入生活各方面。然而,如何安全地为老龄化群体适配这些网络应用成为研究重点。文章分析了老年人在数字化背景下面临的数字鸿沟,并以异地生活老年人手机接入网络所产生的网络安全问题为例,探讨了基于老年人视角提升网络应用服务安全性的策略。旨在通过网络关键服务助力老年人跨越数字鸿沟,提升其获得感和幸福感。

关键词： 物理信息神经网络   非线性瞬态热传导问题   多介质   自适应激活函数  

摘要： 文章基于物理信息神经网络(physics-informed neural network,PINN)求解多介质非线性瞬态热传导问题.根据多介质热物性参数的不同,将求解区域划分成多个子域,在每个子域中单独应用PINN,不同子域通过公共界面的通量连续性条件相联系.利用偏微分方程、初始条件、边界条件和子域间公共界面连续性条件的残差构建损失函数.通过自动微分算法计算偏微分方程中温度对各输入变量的偏导数.利用链式求导法计算损失函数对权重和偏差的梯度,再根据梯度下降法更新网络参数.为了加速网络收敛,在激活函数中引入训练参数,通过调节激活函数斜率,使网络具有自适应性.文章探讨了PINN在求解多介质非线性瞬态热传导问题中的适用性,并进一步讨论了不同激活函数、学习率、网络结构和损失函数中的各项权重等对PINN计算结果的影响.计算结果表明,PINN在求解多介质非线性瞬态热传导问题时仍具有较高的可靠性和较简洁的求解流程,且不需要对求解域进行人为的前处理,有一定工程应用可行性.文章通过系统的理论分析和数值验证,充分展示了PINN解决复杂热传导问题的可靠性.

关键词： 旅游业绿色创新效率   网络优势度   社会网络分析   哈肯模型   模糊集定性比较分析   山东半岛城市群  

摘要： 人与自然和谐共生背景下,绿色创新作为旅游业绿色化转型的重要引擎,是对旅游发展方式转变和生态环境问题改善的积极回应,直接关系到旅游业经济增长与资源环境的协调发展。频繁的要素流动推动城市间绿色创新联系增强,探究区域旅游业绿色创新网络优势匹配的路径有助于因地施策推进区域旅游业可持续发展。探索构建区域旅游业绿色创新发展分析框架,综合运用超效率SBM模型、社会网络分析法、哈肯模型和核密度估计等方法,选择山东半岛城市群为研究案例地,测度和分析其旅游业绿色创新效率及其网络优势度和二者协同特征,进一步基于非对称创新理论和模糊集定性比较分析法识别区域旅游业绿色创新发展网络优势匹配的组态路径。研究发现:旅游业绿色创新效率在空间上具有“沿海沿边”的集聚分布规律;旅游业绿色创新效率网络优势度“马太效应”显著,形成以济南、东营为主的点状格局;二者协同度区域差异明显,可分为高度协同型、中度协同型和低度协同型3大类;旅游业绿色创新效率、网络优势度及二者匹配的提升路径可归纳为政府支撑的外向型市场拓展模式、政府扶持的内源型动力驱动模式和内外部环境双元驱动下的动态优化调整模式等7种。

关键词： 无线传感网络   电气消防电源   防火门监控  

摘要： 电气消防电源系统负责提供紧急情况下的电力保障,而防火门的及时关闭则是控制火灾扩散的关键环节,这两者的有效监控可极大提升应对火灾的及时性和有效性。无线传感网络(Wireless Sensor Networks,WSN)作为一种灵活且可扩展的技术,可无缝集成到电气消防电源和防火门的监控中,能有效提升监控系统的效率和响应速度。本文分析基于无线传感网络的电气消防电源和防火门监控系统的设计和应用,并通过实际应用测试验证了系统的有效性和可靠性。

关键词： 病虫害识别   卷积神经网络   智能设备   农业智能化  

摘要： 随着智能农业的发展,病虫害的智能识别与防治成为提高农业生产效率的关键。本文提出了一种基于卷积神经网络(CNN)的病虫害防治智能设备,旨在通过深度学习技术实现对农作物病虫害的精准识别与定位,进而提供科学的防治决策。该设备结合了实时监测、智能喷洒系统和决策支持系统,以期降低农药使用量,推动农业智能化发展。本文改进基于卷积神经网络的图像识别技术和识别手段,利用深度学习技术对农作物病虫害进行精准识别和定位,引入数据分析等手段,能够自动识别病虫害类型,提高了诊断的准确性和效率。同时增加智能喷洒器、智能施肥机器人等设备,结合了智能决策支持系统,通过数据分析和算法模型的完善与改进,开展“一种基于改进卷积神经网络的农作物病虫害防治智能设备”这一系统的研究开发为农民提供病虫害防治的决策建议和方案,使农民能够更科学、更精准地进行病虫害防治。

关键词： 光伏板   图像分类   ResNet   通道注意力   归因分析  

摘要： 光伏板长期受积尘等污染物影响,其透射率下降,降低了光电转换效率和服役寿命,需要对其定期清洁。为支持机器人自动清洁过程,开发了基于深度学习的光伏板图像自动识别模型,通过Mosaic等图像增强方法,建立了清洁光伏板和含积尘光伏板图像数据集。考虑到清洁机器人的算力限制,确定了以残差网络(Residual Network, ResNet)为基准模型,选择了规模较小的ResNet-18,并对ResNet-18的残差块进行了改进,在多路径的基础上引入了跨尺度特征融合的通道注意力机制,以提升模型精度。经过实验验证,改进后的模型精度相较于改进前提高了2.1%,与其他主流分类网络EfficientNet-B0和YOLOv5x-cls相比,获得了最高准确率,达到94.6%。同时使用模型可解释性技术,对各个模型错误分类进行了归因分析,确定模型对于不同区域和特征的关注程度,阐明了模型在特定错误分类中的决策依据。最后,将训练好的模型部署到清扫机器人上,使用机器人CPU推理,平均识别时间为121 ms,实现了光伏板积尘的高精、高效辨识。