课程文献中心 更多>>

关键词： 网络药理学   分子对接   动物实验   药对   青皮-枳壳   胃肠疾病  

摘要： 基于网络药理学及动物实验探讨青皮-枳壳药对治疗动力障碍型胃肠疾病的配伍关系。利用青皮-枳壳与胃肠疾病的交集靶点构建蛋白质-蛋白质相互作用网络图并进行富集分析，选取“靶点-成分-通路”图中中介中心性值前5的关键靶点与其相应的活性成分进行分子对接；以小鼠的体重、胃残留率与血清胃动素浓度为指标，观察青皮-枳壳（1∶1、1∶2、2∶1）与其单味药治疗L-精氨酸溶液引起的小鼠胃肠动力障碍的差异。网络药理学的结果显示青皮-枳壳治疗胃肠疾病的核心靶点有CYP2C9、EGFR和HSD11B1；核心成分有β-谷甾醇、甜橙黄酮、柚皮素、新橙皮苷、橙皮素、马尔敏、百里酚、川陈皮素和5，7-二羟基-2-（3-羟基-4-甲氧基苯基）铬-4-酮；核心靶点与核心成分对接良好。动物实验的结果表明单行和配伍使用的青皮-枳壳均能改善小鼠胃肠运动障碍；配伍组的疗效优于单味药组，其中青枳1∶2组优于青枳1∶1组与青枳2∶1组。本研究初步揭示青皮-枳壳治疗动力障碍型胃肠疾病的最佳配伍比与作用机制，为青皮-枳壳治疗胃肠疾病的进一步研究提供参考依据。

关键词： 光伏功率预测   生成对抗网络   北方苍鹰算法   双向长短期记忆网络  

摘要： 鉴于诸多光伏发电站存在的数据完备性不足，由此引发的数据样本质量不佳进而导致光伏功率预测准确性受限.本文提出了一种光伏功率超短期组合预测模型，该模型融合了基于梯度惩罚Wasserstein生成对抗网络（Wasserstein generative adversarial network with gradient penalty，WGAN-GP）模型及双向长短期记忆（Bidirectional Long Short-Term Memory Network，BiLSTM）模型的技术特点.首先对光伏发电功率与不同天气变量间的相关性进行分析，选取辐射度、温度和风速这三个对光伏发电功率影响较大的天气变量作为特征输入，以提升模型的预测精度；其次，采用WGAN-GP模型来挖掘光伏出力实际数据集的内在结构及与其密切相关的环境和气象因素之间的深层次关联，利用生成的高质量数据样本扩充原有数据集，有效提升预测模型的泛化能力；最后，采用北方苍鹰优化算法（Northern Goshawk Optimization， NGO）对BiLSTM预测模型进行参数寻优可进一步提高光伏发电功率的预测精度.实验结果表明，经过数据增强后NGO-BiLSTM模型的预测精度可有效提升.

关键词： 应变载荷关系   飞机结构   数据融合   神经网络模型   子学习器  

摘要： 建立飞机结构应变载荷关系模型时，地面标定试验数据保真度高、但工况范围及数量受限，有限元仿真工况范围覆盖广、但数据保真度低，导致单独依据地面标定试验数据和有限元仿真数据建立的应变载荷关系模型难以兼顾适用范围和预测精度。对此，本文提出了映射式与补偿式两种融合“试验-仿真”虚实数据的多级神经网络架构，开发了基于子学习器方差的模型认知程度度量方法，形成了精度高、适用性广、能够预警不可靠输出结果的机翼应变载荷关系神经网络模型，并采用缩比机翼对上述模型进行了验证。本研究表明：虚实数据融合的神经网络模型能够更好地描述机翼的应变载荷关系，且补偿式模型的预测效果优于映射式模型；本文提出的模型认知程度度量方法，能够在不影响模型预测精度的前提下，有效判别出神经网络模型认知程度差的数据样本，对神经网络的不可靠输出做出预警。

关键词： 针织物密度   神经网络   ResNet18   回归预测   DWR注意力   SPD卷积层  

摘要： 针对目前传统图像处理识别不同组织结构针织物密度时出现种类适应性差、准确率低的问题，提出一种基于改进深度残差神经网络模型检测针织物密度的方法。首先搭建了一套面料图像采集系统，构建了面料图像数据集；其次将步长为2的卷积层全部替换为SPD卷积层，以减少细粒度信息的丢失，在残差层中增加了可扩张注意力残差模块（DWR）提升网络对局部和全局特征的捕捉能力；最后引入SmoothLoss函数，在加快收敛的同时提高检测准确率。试验结果表明：该方法在多种不同织物密度检测时MAPE值小于2%，种类适应性较强。

关键词： BP神经网络   粒子群算法   天线优化设计   双频   贴片天线   U型槽   电磁仿真   回波损耗  

摘要： 为了提高天线设计效率，利用机器学习辅助天线优化设计，文中基于PSO-BPNN(Particle Swarm Optimization-Back Propagation Neural Network)模型设计了一款双频U型槽贴片天线。其工作频率覆盖IEEE802.11y(3.65 GHz)和IEEE802.11a(5.20 GHz)两个频段，并与基于PSO算法设计的天线进行对比。根据仿真模型加工天线实物，并进行了测试实验。结果表明，在5.20 GHz谐振频率处，PSO-BPNN模型和PSO模型算法设计的天线回波损耗接近。在3.65 GHz谐振频率处，基于PSO-BPNN模型设计的天线回波损耗为-22.65 dB，阻抗带宽为0.205 GHz，相比PSO算法设计的回波损耗和阻抗带宽分别提升了47.85%和11.41%。基于PSO-BPNN模型算法设计的天线辐射特性与实测结果吻合较好。

关键词： 不连续激活函数   模糊惯性神经网络   固定时间同步   非降阶法  

摘要： 截止目前,关于惯性神经网络的固定时间同步分析大都采用变量代换将其进行降阶处理,这种降阶法虽然有效,但增加了系统维数,消除了惯性项对系统的影响.因此,基于非降阶的方法,本文研究了一类时滞模糊惯性神经网络的固定时间同步控制问题.在Filippov解的定义和有限时间稳定的理论框架下,通过设计非线性反馈控制器,获得了确保该类神经网络在固定时间内实现同步的一些同步准则.此外,通过应用一些不等式技巧,估算出了同步时间的上界,可为其应用于实际工程中提供可靠性保证.最后,通过数值算例验证了本文所得结果的可靠性,并将其应用于图像加解密.

关键词： 雪莲注射液   类风湿关节炎   网络药理学   RAW264.7细胞   血清代谢组学  

摘要： 目的 探究雪莲注射液（XLI）治疗类风湿关节炎（RA）的作用及其机制。方法 采用网络药理学预测XLI治疗RA的活性成分、作用靶点和信号通路，选择活性成分与靶点基因通过分子对接技术进行验证。建立脂多糖（LPS）诱导的RAW264.7炎症细胞模型，给予不同浓度的XLI进行治疗。采用实时荧光定量PCR(qRT-PCR)检测炎症因子TNFA、IL-1B和MCP-1基因的表达。采用蛋白免疫印迹法检测核心靶点COX2、eNOS、p-AKT和AKT的表达水平。建立弗氏完全佐剂（CFA）诱导的RA大鼠模型，给予不同浓度的XLI进行治疗并收集血清，采用非靶向代谢组学技术检测血清代谢物的水平。结果 网络药理学筛选出XLI治疗RA的17个潜在活性成分和165个潜在作用靶点，蛋白互作网络核心靶点为炎性因子，GO和KEGG富集分析涉及MAPK、NF-kappa B、FoxO等多条信号通路。体外实验显示XLI能明显降低巨噬细胞TNFA、IL-1B和MCP-1基因的表达，并降低COX2、eNOS和p-AKT蛋白表达水平。血清非靶向代谢组学显示XLI主要改变了花生四烯酸氧基蛋白代谢通路、鞘脂在内质网和高尔基体中的代谢、白三烯C4合成不足、罗非昔布、水杨酸钠药物的作用途径，并明显下调血清5,6-环氧二十碳三烯酸（5,6-EET）、12S-羟基十七碳三烯酸（12S-HHT）、血栓素B2(TXB2)、12-oxo-5Z,8Z,10E,14Z-二十碳四烯酸（12-KETE）、二氢鞘氨醇、3-脱氢鞘氨醇、8-异前列腺素A1(8-iso-PGA1)的水平。结论 XLI治疗RA的作用机制可能与其抑制巨噬细胞TNFA、IL-1B和MCP-1基因的表达，并抑制COX2、eNOS和p-AKT蛋白的表达及抑制花生四烯酸代谢通路有关。

关键词： 切削力   加工状态监测   自适应加工   循环神经网络   伺服监测信号  

摘要： 切削力对切削状态的变化具有高度敏感性和快速响应能力，是用于加工状态监测和自适应加工最有价值的物理量。由于无需引入额外的传感元件，基于数控系统内部伺服监测信号的切削力在线预测方案，有潜力实现切削力的长期低成本准确监测。然而，伺服监测信号和切削力之间的关系十分复杂，为此提出基于循环神经网络的切削力在线预测方法。首先将基于机床伺服监测信号的进给轴切削力预测问题定义为自适应时滞的非线性动态系统建模问题，进而引入长短期记忆(Long short-term memory, LSTM)神经网络和门控循环单元(Gated recurrent unit, GRU)神经网络两类循环神经网络直接从端到端观测数据中学习动态预测模型。通过一组变转速变进给孔铣削试验构造时变工况下的切削激励数据集进行对比验证，结果表明，对于动态特性更为复杂的X轴，LSTM神经网络的预测性能更好，相对均方根误差为17.62%；对于动态特性相对简单的Y轴，GRU神经网络的预测性能更好，相对均方根误差为11.74%。

关键词： 算法推荐   网络思想政治教育   高等学校   数字化治理   话语体系  

摘要： 算法推荐作为一种全新的信息资源配置手段,从精准适配教育内容、精准施策及精准评估三个层面打造了高校网络思想政治教育新格局。同时,算法推荐的主体情感偏好、受众本位特征与技术的琐碎化也给高校意识形态建设、网络思想政治教育的话语体系建设与数智化转型带来了挑战。当前,高校急需协同多方力量通过加强数字化治理、创新网络思想政治教育话语体系并增强教育主体与教育客体的数字素养培育来积极探索数智化发展进路,持续推进高校网络思想政治教育的高质量发展。

关键词： 命令滤波   神经网络   有限时间稳定   反步控制   电液伺服系统  

摘要： 为提升电液伺服系统的跟踪控制性能,本文考虑系统中包括参数不确定性、未建模动态以及外部扰动在内的集总不确定性,提出一种基于命令滤波和神经网络的有限时间反步控制方法.该方法利用Levant微分器作为命令滤波器,获取虚拟输入变量与虚拟控制律差分信号的导数,不仅避免了标准反步控制中的”复杂性爆炸”问题,还通过重构实现了对非匹配不确定性的估计;同时与传统基于神经网络的反步控制需要多个神经网络相比,该方法仅利用1个神经网络来逼近匹配不确定性,避免了多个神经网络所导致的控制器的复杂性和脆弱性.另外,通过引入由分数指数幂函数和多项式函数构成的分段函数反馈以加速收敛,系统实现有限时间稳定的同时避免了奇点问题.最后,搭建实验平台开展对比实验验证新方法的有效性和优越性.