课程文献中心 更多>>

关键词： 管理干部学院   学术不端行为   学术不端文献   期刊网络出版   暂行办法   中国知网   全文数据库   中国学术期刊(光盘版)  

摘要： 《武汉冶金管理干部学院学报》是中国学术期刊(光盘版)人选期刊,为抑制学术不端行为,已实行中国学术期刊(光盘版)电子杂志社学术不端文献检测中心(简称A MLCC)《学术期刊网络出版总库》“删除学术不端文献的暂行办法”。被AMLCC检测出的涉及本刊的学术不端文献,经本刊编辑部确认后,将从“中国知网”全文数据库中删除。希望广大作者在参考相关文献时严格遵照引用规范,把握参考尺度,尊重他人劳动成果,避免给自己带来不必要的麻烦及声誉损害。

关键词： 养心消痹汤   稳定型心绞痛   冠心病   网络药理学   作用机制   槲皮素   山奈酚   木犀草素   β-谷甾醇   丹参酮IIA  

摘要： 目的运用网络药理学方法探讨养心消痹汤治疗冠心病稳定型心绞痛的作用机制。方法利用中药系统药理学数据库与分析平台(TCMSP)检索养心消痹汤组方各味中药成分及其靶点信息,利用DrugBank和Therapeutic Target Database(TTD)数据库收集冠心病稳定型心绞痛疾病靶点;使用STRING数据库构建上述靶点信息蛋白质-蛋白质互作网络并导入Cytoscape软件进行分析与可视化图形构建。结果获得养心消痹汤治疗冠心病稳定型心绞痛靶点信息共计126个,相互作用关系2305种,度值排名靠前的化合物有槲皮素、山奈酚、木犀草素、β-谷甾醇和丹参酮IIA等;GO与KEGG分析结果显示养心消痹汤可能通过影响细胞组分运动、脂质定位、氧化应激、DNA转录、凝血过程、三磷腺苷代谢、免疫与炎症反调控、钙离子转运等生物过程发挥治疗冠心病稳定型心绞痛作用,缺氧诱导因子-1、Toll样受体、C-型凝集素受体、流体剪切和动脉粥样硬化、辅助性T细胞17/白细胞介素-17、T细胞受体、肿瘤坏死因子、松弛素和晚期搪基化终产物及其受体信号通路可能参与该过程。结论养心消痹汤治疗冠心病稳定型心绞痛的物质基础与机制可能与上述化学成分及相关生物学过程与信号通路有关。

关键词： 血人参   肺痈   网络药理学   活性成分  

摘要： 目的:通过网络药理学和分子对接探讨血人参(Indigofera stachyodes Lindl.)治疗肺痈的可行性和潜在机制。方法:将血人参药材用水煎煮浓缩为1.0 g/ml的药液,大鼠随机分为空白血浆组、给药后1 h采血组、给药后2 h采血组、给药后3 h采血组4组(每组8只),连续灌胃一周,分别采血,制备血浆,运用液质联用技术对四组血浆的化学成分进行鉴定,然后用Venny 2.1作Venn图进行筛选;通过TCMSP、SymMap、SwissTargetPrediction、SEA等数据库筛选血人参成分及靶点。通过GeneCards、OMIM数据库筛选肺痈的疾病靶点。通过R语言获取药物疾病交集靶点,通过蛋白互作和PPI分析获得关键靶点,并利用关键靶点进行KEGG、GO富集分析以及分子对接。结果:通过HPLC-MS分析并排除TCMSP中搜索不到的成分,获得Hypoxanthine等11个血人参活性化合物,337个靶点,2243个肺痈的疾病靶点,“血人参–肺痈”交集靶点113个,关键基因15个,KEGG富集分析结果显示,血人参主要通过调控VEGF信号通路、Rap1信号通路、TNF信号通路等参与肺痈的调节机制。分子对接结果显示,EGFR与Fisetin的亲和力最高;SRC与Fisetin的亲和力最高;PLCG1与2-Naphthylamine的亲和力最高;PIK3R1与Fisetin的亲和力最高;PTK2与Fisetin的亲和力最高。结论:血人参的活性成分可能通过影响免疫反应、炎症反应和细胞凋亡等生物学过程,发挥治疗肺痈的作用。Objective: To explore the feasibility and potential mechanisms of the treatment of lung abscess with Indigofera stachyodes Lindl. through network pharmacology and molecular docking. Methods: The medicinal material of I. stachyodes Lindl. was decocted in water and concentrated into a medicinal solution of 1.0 g/ml. Rats were randomly divided into four groups, including the blank plasma group, the blood collection group at 1 h after administration, the blood collection group at 2 h after administration, and the blood collection group at 3 h after administration (8 rats in each group). The rats were given continuous intragastric administration for one week. Blood samples were collected from each group, and plasma was prepared. The chemical components of the plasma from the four groups were identified by Liquid Chromatography-Mass Spectrometry (LC-MS) and Venn diagrams were performed for screening by Venny 2.1. The chemical components and targets of I. stachyodes Lindl. were screened by TCMSP, SymMap, SwissTargetPrediction, and SEA databases. Disease targets of lung abscess were screened by GeneCards, OMIM database. Drug-disease intersection targets were obtained through R language, key targets were obtained through protein interactions and PPI analysis, and KEGG, GO enrichment analysis and molecular docking

关键词： 数字贸易   绿色经济   一带一路   社会网络分析法  

摘要： 近些年,绿色经济发展已经成为共建“一带一路”的主题与共识,数字贸易为“一带一路”沿线国家的经济高质量发展提供了强劲动力。基于2007—2021年“一带一路”沿线38个国家双边数字贸易数据,采用社会网络分析法构建数字贸易网络模型,并对样本国家绿色经济发展水平测算,实证检验一国数字贸易网络对绿色经济发展的影响。结果表明:(1)数字贸易网络对绿色经济发展具有积极正向影响,一国数字贸易网络中心性的提升及网络联系强度的增大有利于绿色经济发展;(2)数字贸易网络特征对绿色经济发展的影响存在数字基础设施水平的门槛效应。网络中心性对绿色经济发展的影响存在双重门槛;(3)数字贸易网络联系强度对绿色经济发展的影响存在单一门槛,只有达到一定的数字基础设施水平,一国数字贸易网络联系强度对于绿色经济发展的促进作用才会显现。

关键词： 计算机工程   网络维护技术   应用场景   有效措施  

摘要： 本文围绕计算机工程中网络维护技术的应用展开分析,重点探讨了网络维护技术的分类、主要应用场景及有效应用措施。在分类部分,系统阐述了硬件维护、软件维护、网络安全维护及性能维护技术的核心内容;在应用场景中,分析了企业网络、数据中心、云计算与物联网环境中的具体需求;在有效措施上,提出引入自动化工具、强化团队建设、完善预警机制和制定维护策略的建议。研究旨在为提升网络运行的稳定性、安全性与效率提供参考,同时展望了未来技术的智能化发展方向。

关键词： 卷积神经网络   重症监护室   医用耗材   深度学习  

摘要： 本文采用卷积神经网络(CNN)开发了一种用于管理重症监护室(ICU)医用耗材的深度学习方法。通过在真实ICU环境中进行系统培训,考虑了特殊的照明条件和临床工作流程的不利情况,成功地训练了一个能够识别多种医疗耗材的模型。该模型在无遮挡的情况下表现出良好的识别性能,特别是对于具有大表面积和可区分特征的材料。即使在材料被50%覆盖的情况下,系统的识别准确率仍然可接受。此外,进行了统计分析,证明了不同情景对系统性能的影响。这项研究为ICU管理医用耗材提供了一种创新的方法,有望提高临床工作效率和患者护理质量。

关键词： 铁路车辆管理系统   数据网络化   分析  

摘要： 铁路作为重要交通运输方式,其车辆管理系统的高效运作对于保障运输安全、提升服务质量、实现资源优化配置具有极其重要的意义。面对日益增长的旅客和货物需求,传统的铁路车辆管理方法难以满足现代运输的需求,尤其是在车辆监控、故障诊断、运维决策等方面的需求。数据网络化技术的引入,使得铁路车辆管理系统能够实时收集、处理和分析大量的车辆运行数据,从而提高铁路车辆的管理效率和运输安全性。通过网络连接的传感器和设备可以实时监控车辆的状态,预测潜在故障,并及时进行调整或维修,这减少了车辆故障带来的延误和成本。因此,本文将从铁路车辆管理系统出发,探讨数据网络化在系统中的应用,以推动铁路行业的持续创新与发展。

关键词： 图卷积神经网络   降维   降噪   聚类   自编码器  

摘要： 针对单细胞RNA测序数据的高维性和数据中存在大量丢失噪声的问题,将降噪、降维方法融合到聚类任务中,提出了基于图卷积神经网络的聚类模型——DGGAE.该模型使用零膨胀负二项分布的负对数的似然函数作为降噪自编码器的损失函数处理数据中的丢失噪声;利用图卷积自编码器获取数据的低维特征;利用KL散度函数作为聚类的损失函数进行深度嵌入聚类.在9个真实的高维度、高噪声的数据集上的实验结果表明,与其它传统聚类方法相比,DGGAE模型有更好的聚类效果.

关键词： 深度学习   卷积神经网络   声源定位   广义互相关特征  

摘要： 声源定位是声源信号处理中非常重要的研究目标。传统方法容易受到噪声和混响的干扰。随着深度学习算法在诸多领域的成功应用,本文探究了使用深度学习算法解决声源定位问题。本文对使用卷积神经网络结构实现基于麦克风信号的声源定位性能分析,并基于仿真实验探究相同房间条件和声源条件下,不同卷积层和卷积核数量对于声源定位性能的影响。实验表明,声音信号的基于相位变换加权的广义互相关特征作为卷积神经网络输入信号,在声音信噪比10 dB~40 dB,混响在200~600 ms的常规房间条件设定下,相比于其他方法其声源定位准确率最高,且卷积网络中包含6个卷积层,首层卷积层卷积核为4时其网络定位精度和计算效率之间取得了较好的平衡。Sound source localization is a crucial research objective in sound source signal processing. Traditional methods are prone to interference from noise and reverberation. With the successful application of deep learning algorithms in many fields, this paper explores the use of deep learning algorithms to solve the problem of sound source localization. This study analyzes the performance of sound source localization based on microphone signals using a convolutional neural network (CNN) structure. Through simulation experiments, we investigate the impact of different numbers of convolutional layers and convolutional kernels on sound source localization performance under the same room and sound source conditions. The experiments show that the sound signal after the generalized cross-correlation phase transform operation is used as the input signal of the convolutional neural network, undertypical room conditions with a signal-to-noise ratio of 10 dB~40 dB and reverberation times of 200~600 ms, this method achieves the highest localization accuracy compared to other methods. Furthermore, when the network contains 6 convolutional layers and the first layer has 4 convolutional kernels, a good balance between localization accuracy and computational efficiency is achieved.

关键词： 神经网络   量子态估计   结构优化  

摘要： 本文提出并设计两种具有最简结构的前向神经网络,来高精度实现对量子态密度矩阵的估计.训练出具有函数逼近功能的反向传播(BP)神经网络和径向基函数(RBF)网络进行量子密度矩阵估计的应用.根据量子态密度矩阵与量子系统实验装置的输出测量值之间的关系,建立并构造出训练神经网络的输入/输出样本对;通过对网络的归一化处理,获得满足量子密度矩阵条件的网络输出.分别对2量子位的本征态、叠加态和混合态的估计设计和训练出不同网络,并在给定的性能指标下,与采用深度学习算法的具有两个隐含层的宽度网络(WNN)的量子密度矩阵估计性能进行对比分析.在此基础上,采用RBF神经网络对高量子位密度矩阵进行估计实验.分别在最少隐含层节点数、最少训练样本数、最短训练时间,以及对非样本输入数据的泛化能力方面,通过仿真实验对所设计网络的量子密度矩阵估计的优越性能进行对比研究.