课程文献中心 更多>>

关键词： 丁香   犬小孢子菌   网络药理学   分子对接   真菌性皮肤病  

摘要： [目的]旨在利用菌丝生长抑制试验、网络药理学和分子对接,分析丁香治疗真菌性皮肤病的潜能。[方法]通过菌丝生长抑制试验分析丁香对犬小孢子菌的体外抑菌活性。通过TCMSP数据库获取丁香的活性成分和相关作用靶点。利用GeneCards和OMIM数据库获取真菌性皮肤病的相关靶点。利用String数据库、Cytoscape3.7.2软件、AutodockTools软件、PyMOL软件构建植物提取物-活性成分-共有靶点-疾病网络关系图、蛋白相互作用(PPI)网络模型、GO功能、KEGG通路富集分析和分子对接。[结果]菌丝生长抑制试验结果表明,丁香提取物各浓度梯度处理组均对犬小孢子菌的生长具有显著抑制效果,呈浓度依赖性。网络药理学结果显示,丁香具有16种有效成分,有效成分对应靶点185个,有效成分靶点与疾病靶点取交集得到关键靶点123个;GO功能富集分析结果显示,RNA聚合酶II正向调控转录、细胞核、蛋白结合显著性最大;KEGG通路富集分析结果显示,丁香治疗真菌性皮肤病主要作用于癌症、TNF和IL-17信号通路。分子对接结果显示,各有效成分与关键靶点连接良好,其中AKT1和IL-6与有效成分连接亲和力最强。[结论]通过菌丝生长抑制试验和网络药理学分析,发现丁香不仅具备体外抗犬小孢子菌活性,而且可能会通过多靶点通路从抗炎途径发挥治疗真菌性皮肤病的作用,可为进一步研究丁香治疗真菌性皮肤病提供理论基础。

关键词： 网络治理   意识形态认同   情感治理   情感认同  

摘要： 在当前复杂网络信息传播机制下,意识形态的情感性与情感的治理功能愈发突显,情感治理成为网络意识形态治理的重要向度。网络意识形态情感治理有着深厚的理论基础、历史传统和现实依据,情感治理缺失将造成冲击主流意识形态情感认同建构、助推社会不良思潮耦合情感渗透、加剧资本逻辑对日常情感的统摄等不同层面的负向效应。新时代推进网络意识形态情感治理实践,需通过激活情感记忆、增进情感互动、建构情感叙事、加强情感规制等措施切实提升网络意识形态情感治理效能。

关键词： 三全育人   五育并举   网络安全  

摘要： 在高职高专开展“三全育人”“五育并举”工作,需要考虑到学生实际情况、教师专业素养、国家政策方针。专业教师如何全员、全程、全方位地对学生进行思政教育和技能教育,如何在实训教学管理中有的放矢地开展工作,是当前职业教育中的关键问题。本文研究发现,可从网络安全实训室入手,通过课堂思政、产教融合、社团建设、师生科研、就业帮扶等具体工作,夯实学生基础技能,丰富专业文化内涵,实现三全育人、五育并举。

关键词： 网络探测   多Agent模型   拓扑信息   决策算法   简单网络管理协议   地址解析协议   通信机制  

摘要： 【目的】在网络技术迅猛发展的背景下,传统网络探测技术因效率和准确性不高,难以适应复杂的网络管理需求。尤其在电力通信网中,网络流量、结构和负载的统计与管理变得复杂,导致网络安全事件发生时,网络管理技术人员难以迅速提出有效的补救方案,影响互联网服务质量和社会秩序。因此,提出了基于多Agent模型的网络协同探测系统,旨在提高网络探测的效率和准确性。【方法】通过综合使用主动和被动探测的网络拓扑算法,并集成多种Agent和动态决策机制,显著提升了网络探测的效率和准确性。主动式探测技术利用Traceroute算法发现网络中的活动设备和开放端口,而被动式探测技术根据SNMP等协议收集网络流量中的详细信息,两者结合获得更完整的网络资产视图。设计了融合主动式与被动式网络探测技术的模块部署与技术架构,并建立了分布式探测系统组织结构。【结果】仿真实验与分析结果表明,在相同测试环境和流程下,与单一的被动式和主动式网络探测系统相比,网络协同探测系统在耗时较少的情况下,具有更强的通信性能和更短的探测时间。【结论】网络协同探测系统在仿真实验中展现出优越的通信性能和探测效率,能够在短时间内探知到更多的主机,且数据流量更大,覆盖范围更广,进一步验证了该系统的可行性和有效性。实际测试中,在包含多种操作系统的复杂网络环境下,基于多Agent模型的网络协同探测系统探知到的主机数量最多,且能够明确主机操作系统的组成。该系统不仅提高了网络探测的效率和准确性,而且对实时性要求较高的应用场景具有重要意义,有助于提升网络管理的响应速度和处理能力,对网络安全和优化具有重要的理论和实践价值。对于能够满足广泛工程需求的网络协同探测系统而言,其理论机理及探测时间仍然存在一定的优化和提升空间,这也是网络探测研究领域的核心问题。

关键词： 灰狼优化算法   神经网络   预测模型  

摘要： 针对标准的GWO算法不稳定性和表现性能不佳问题,本文从多个方向提出优化路径.首先,为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合,对标准GWO算法进行优化改进,总共形成8种优化算法;然后将优化算法融入RNN、MLP和CMLP 3种神经网络中,总共构成24种预测模型;最后通过公共数据集进行了240次测试,结果表明,不同方向的优化可以提高各个神经网络预测模型的准确率及稳定性,具有更好的实用性.

关键词： 汽车空调   降温性能   多目标优化   神经网络代理模型  

摘要： 围绕汽车乘员舱降温性能下的吹脸速度指标,针对格栅风口叶片位置参数,搭建了同时考虑主驾驶侧吹脸流速性能和副驾驶侧吹脸流速性能的多目标优化自动设计流程。基于CFD仿真和多学科优化设计平台,采用拉丁超立方采样方法设计样本点,获取DOE矩阵,利用神经网络建立代理模型,进行吹脸流速性能参数预测,使用第三代非支配性排序遗传算法(NSGA-Ⅲ)获得多目标优化问题的帕累托前沿图。优化后的格栅叶片位置最高能使主驾驶侧呼吸面速度提升109.1%,副驾驶侧呼吸面速度提升137.5%。对优化前后的方案进行温度场瞬态仿真和乘员降温性能试验,验证了其优化结果的可靠性。

关键词： 新媒体环境   思政工作   策略  

摘要： 进入信息化时代,不管是计算机,还是手机等载体获得大学生有效应用,在新媒体环境下,大学生思想行为与交往模式出现翻天覆地改变,新媒体给大学生网络思政工作的开展带来了很多的机遇,同时也遇到了很多的挑战。本文主要以新媒体环境下大学生网络思政工作策略为重点进行阐述,首先分析新媒体背景下高校网络思政工作开展的现实态势、大学生网络思政工作存在的问题,其次从构建健全网络思政工作规章制度,确保思政工作有序开展、坚持以思政课程为依托,优化网络思政教育模式以及加强教师退伍建设,提高教师综合素养几个方面深入说明并探讨,旨意在为相关研究提供参考资料。

关键词： 复杂网络   K⁃shell   度中心性   关键节点识别   邻居节点   节点影响力  

摘要： 在复杂网络研究中,精确辨识网络内的关键节点对于深入把握网络的结构特性和功能机制,以及增强复杂网络运行的稳固性和安全性具有尤为重要的作用。传统的K⁃shell方法仅依据节点在网络中的位置信息,排序结果太粗粒化,使得节点的区分度不大;仅考虑剩余度的影响,默认同层节点的外层节点数相同,这限制了评估结果的精确性和分辨力。为了解决这一问题,文中提出一种新的关键节点识别方法,该方法在原始K⁃shell算法思想之上综合考虑了局部影响力,补充了邻居节点和次邻居节点对所识别节点重要性的影响。首先,通过K⁃shell算法确定节点全局影响力,计算每个节点的Ks值;其次,通过度中心性算法确定所识别节点的邻居节点的影响力,而次邻居节点的影响力则通过其影响系数与数量的乘积来表征;最后,通过综合考虑邻居节点以及次邻居节点的作用来评估节点的局部影响力。具体而言,邻居节点的影响力通过其度中心性来量化,次邻居节点的影响力则由其影响系数与数量的乘积来表征。以相关性、单调性以及鲁棒性为评价标准,将文中方法在6个真实网络上进行验证,验证结果显示,提出的方法与目前主流方法相比,能更高效、准确地识别复杂网络中的关键节点,并具有较高的分辨率和准确性。

关键词： 断裂网络体系   拓扑结构   分形特征   油气分布   哈山地区  

摘要： 以准噶尔盆地西北缘哈拉阿拉特山(哈山)地区为研究对象,在对不同层系断裂精细解析的基础上,对断裂网络体系的拓扑参数(节点、分支类型)统计及分维值计算,定量表征了研究区不同层系断裂网络体系的拓扑结构及分形特征,结合研究区油气分布特征进行了探讨。结果表明:研究区断裂以NE、NEE(近EW向)为主;不同层系断裂体系的拓扑结构具有差异性,P1时期I型节点占比为4个时期中最少,Y型节点占比为4个时期最多,I-I分支、I-C分支和C-C分支占比较为平均。P2时期I型节点占比最高,Y型节点数量较少,连接节点数量最高为138,I-I分支占比多,I-C分支占比适中,C-C分支占比较少。T时期I型节点最多,Y型节点数量较少,I-I分支占比高,I-C占比次之,C-C分支占比最低。J—K时期I型节点占比最多,Y型节点占比较少,I-I分支占比最多,I-C分支和C-C分支占比较少。由深到浅I型节点占比先增多后减少,I-C分支、C-C分支的比例先减少后增大,连通性由好变差,再变好;不同层系断裂体系由深至浅分维值高值先变高后减少,断裂体系先复杂后变简单,分维高值区沿NE向主干断裂分布。结合研究区油藏分布特征发现,断裂体系的拓扑结构、分形特征与与油气藏分布具有良好的耦合关系,高拓扑值与高分维值的叠合区是油气成藏的有利区。

关键词： 流图   图神经网络   历史信息   增量更新   当前信息   自适应聚合  

摘要： 流图的节点和边以流的形式持续产生,导致整个图结构随着时间推移而不断演化.图神经网络作为图嵌入技术的一种,在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战.为解决这些问题,本文提出了持续记忆的流图神经网络(CMSGNN).该模型能够根据流图持续的演化充分学习历史信息,通过增量学习的方式更新已记忆的历史信息,并且能够自适应地调整模型以适应流图的变化程度,以获得更符合当前信息的流图嵌入.该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入,从而提高下游任务的准确率.实验结果表明,本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能.