基于LSTM和注意力机制的蛋白质-配体结合亲和力预测

蛋白质-配体的结合亲和力预测是药物重定位回归中具有挑战性的任务。深度学习方法可以有效预测蛋白质与配体相互作用的结合亲和力,减少药物发现的时间和成本。由此,基于长短期记忆模块(LSTM)和注意力机制模块(attention)提出了一种深度卷积神经网络模型(DLLSA)。模型由嵌入LSTM和空间注意力模块(spatial-attention)的卷积网络并行模块构建,其中LSTM模块针对蛋白质-配体接触特征的长序列信息,spatial-attention注意力模块聚集接触特征局部信息。采用PDBbind(v.2020)数据集进行训练,CASF-2013和CASF-2016数据集进行验证,模型的皮尔逊相关系数相比于PLEC模型分别提高了0.6%和3%,实验结果显著优于其他相关方法。

基于LS-SVM和滑模变结构的无刷直流电动机混合控制

针对一类不确定离散时间系统,通过分析趋近律中参数对系统到达稳定状态的影响,结合LS-SVM的建模优势,提出了一种基于LS-SVM趋近律的全局滑模变结构控制方法。分别用两个LS-SVM模型自适应调整趋近律中的参数δ和ε,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。通过在无刷直流电机(BLDC)位置伺服系统变结构控制中的应用,结果表明该方案使系统一开始就处于滑平面上,消除了系统抖振,而且具有良好的跟踪能力和较强的鲁棒性。

基于混沌免疫遗传算法整定PID参数

针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的"早熟"问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显著提高。

基于Flask数据可视化的网页端显示方法研究

随着人类基因组计划的完成和蛋白组学的迅猛发展,计算机药物辅助设计成了生物制药技术的重要环节。深度学习可用于探索药物-靶标的相互作用,可视化技术可有效进行数据可视化和数据分析。针对网页端不便于进行复杂计算和绘制复杂图形的问题,文章使用Flask框架将深度学习和各种可视化显示等复杂工作都交由Python执行,网页端只进行最简单的输入输出设计,极大地降低了网页数据可视化的编程难度,无需复杂的JavaScript技术即可在网页端展示各种可视化结果。

基于SAPSO-LSSVM的蛋白质模型质量评估

针对传统蛋白质模型质量评估没有考虑同源信息的问题,提出了一种基于LS-SVM评估蛋白质模型质量的方法。综合模拟退火(simulated annealing,SA)算法跳出局部最优解和粒子群(particle swarm optimization,PSO)算法收敛速度快的特点,提出了模拟退火粒子群(SAPSO)算法。利用SAPSO算法来优化LS-SVM参数C和γ,最后得到最优模型来评估蛋白质模型质量。实验结果表明,经SAPSO优化LS-SVM参数所得到的模型评估预测误差较小,且预测值更稳定。

一种动态猫映射混沌图像加密算法

针对传统猫映射存在周期性以及位置(0,0)处像素始终固定导致的安全隐患,提出了一种基于动态猫映射的图像加密算法.首先把密钥经过md5变换后得到一个十六进制字符串,利用该字符串,获取动态猫映射的分块边界参数,并通过md5的随机性构建扩散阶段需要的S盒.在置乱阶段,将猫映射置乱参数与明文图像结合起来,进行动态猫映射,得到置乱图像.在扩散阶段,每个像素值用S盒进行扩散时,结合相邻像素值,形成雪崩效应.最后进行仿真实验,结果表明提出的加密算法能满足图像加密的安全性需求,不仅改善了传统猫映射存在的缺陷,而且具有更好的加密效果.

最大似然时偏估计算法对OFDM系统同步性能的改善

文章提出一种新的OFDM系统中的最大似然时偏估计算法,该算法在AWGN信道和多径衰落信道两种环境下与H.Minn的算法基于估计的均方误差进行了性能比较,通过比较,得出该算法不仅在高信噪比的情况下,而且在多径衰落环境下仍能保证较高的估计精度和较低的运算复杂度。

PLC的PID指令在变频调速恒压供水系统中的应用

以一个生活区的恒压供水系统为例,介绍了S7-200系列PLC内置PID指令和TD200 文本显示器友好人机界面,实现了变频调速恒压供水。

基于IGA-SVM的发酵过程建模及优化控制

利用免疫遗传算法(IGA,Immune Genetic Algorithm)的全局搜索功能和支持向量机(SVM,Support Vector Machine)泛化能力强的特点,选择合适的状态变量,对发酵过程建立动态时变模型。利用该模型和算法对一些不能在线测量的生化状态变量进行在线预估,并对一些关键的操作变量进行了优化。通过对谷氨酸发酵过程的实际应用,验证了该方法的有效性。

基于LS-SVM模糊推理的谷氨酸发酵过程流加控制

针对发酵过程发酵阶段具有模糊性的特点,提出了采用最小二乘支持向量机(least square support vectormachines,LS-SVM)提取并简化模糊规则的推理优化控制方法。利用能够在线测量的物理量,如CO2生成速率和NH3的添加量等,在线判定发酵过程所处的阶段,然后依据加权平均的方法确定各个时刻葡萄糖的流加策略,完成了对分段连续流加补料的稳定控制。通过实际应用,证明了该方法的有效性。

蓝牙协议及其应用模型

蓝牙技术是目前一项十分先进的无线网络技术 ,他以低成本、短距离的无线连接为基础 ,能取代电缆将一定范围的计算机和通信设备连接起来 ,实现不同设备之间的快速互联。本文主要讨论了蓝牙协议体系及其应用模型 ,以进一步推动蓝牙技术的广泛应用。

基于改进的MIMLSVM预测蛋白质功能

针对MIMLSVM算法预测精度不高的问题,设计了一种新的基于改进MIMLSVM预测蛋白质功能模型.首先,采用改进的Hausdorff方法计算包之间的空间距离,并结合K-Medoids方法将MIML(多示例多标签)问题退化为多标签问题,以提高预测精度;然后,利用SVM算法将多标签问题转化为多个独立的二分类问题,结合蛋白质数据的特点,建立蛋白质功能预测模型,并利用粒子群算法优化模型参数;最后,通过对7种生物蛋白质功能预测的实验,证明所建模型的优越性.

基于TMS320VC5409的电吉他音效器的设计与实现

介绍了一种基于DSP的电吉他音效器音频系统的总体方案和硬软件设计,着重说明如何利用TMS320VC5409内部多通道缓冲同步串口(MCBSP)和A/D以及D/A的硬件连接来实现音频信号的采集及输出,并对回声音效算法进行软件设计。实验表明,该系统明显改变了电吉他的音色,具有很强的推广价值。

基于LS-SVM的不确定非线性系统滑模控制

针对滑模控制中不确定上界值的问题,提出了一种基于LSSVM自适应上界学习的滑模控制方法。首先将系统分为确定部分和不确定部分,对确定部分采用状态反馈法进行控制,对不确定系统部分采用最小二乘支持向量机(LSSVM)来完成。该控制器不仅可以保证非线性不确定系统渐近稳定,降低一般滑模控制理论分析的条件,还有效地抑制了抖振。仿真实例表明该设计方法正确有效。

高速高精度数据采集卡的设计

文章设计了一种采用PCI主控模式(Master)进行高速数据传输的12位分辨率,最高采样率105MSps、256K卡上缓存的PC机用数据采集卡。该采集卡信噪比可达60dB以上(含谐波),卡到计算机主存平均传输速度达到40Mbyte/s。该卡是将高速电路设计和大规模集成电路设计技术有机结合的一种新型产品。

基于创新能力培养的嵌入式系统课程教学研究

大学生科技创新能力的培养是高校教育教学改革的核心,是大学生全面发展的需要,也是实施科教兴国战略的关键。ARM嵌入式系统是目前比较热门的研究方向,很多高校都将其作为高校相关专业培养创新人才的突破口。但是由于该课程具有较强的理论性、实践性和技术性等特点,使其面临着学生难学、教师难教的困境。针对此问题,基于创新能力培养的嵌入式系统课程教学改革应按以下思路进行:把握简单,激发兴趣;因材施教,抓好实践环节;重视实验,提升学生创新能力。

二轴导引头视线指向回路的鲁棒性设计

以Yaw-pitch型导引头为研究对象,提出了一种具有鲁棒性的视线指向回路设计方法.根据各框架的动力学方程,建立了描述视线动态特性的微分方程,分析了干扰力矩、非线性和结构耦合等因素对框架结构运动与动力学特性的影响,对由基座角运动所致结构参数的摄动进行了定量估计,采用H∞稳定性理论设计了视线姿态的伺服控制器.仿真结果表明,所设计的回路对系统的不确定性、非线性和外界干扰力矩等因素具有较强的鲁棒性.

一类非线性系统鲁棒自适应控制器

反步设计法是针对不确定非线性系统的进行鲁棒自适应控制器设计的主要方法之一,它主要是靠递推来完成,方法简单,但存在过参数化问题。在反步设计法的基础上,通过引入调节函数,选取合适的虚拟控制律,设计一种鲁棒自适应控制器。然后,利用Lyapunov稳定性理论证明了该设计不仅能够克服过参数化的问题,而且能够保证所设计的系统具有鲁棒自适应稳定性。仿真实例证明了该方法的有效性。

基于Bayesian-SVR的城市用水量软测量建模

针对传统交叉验证方法确定SVR模型参数存在耗时过长的问题,利用贝叶斯置信框架推断SVR的模型参数。通过第一级推断确定支持向量机的权矢量ω和偏置项b,通过第二级推断确定模型确定不敏感系数ε、惩罚因子C,通过第三级推断得到核参数。然后利用该方法对某城市用水系统中用水量进行建模,预测结果表明该方法不仅能加快建模速度,而且提高了预测精度。

利用矢量基学习和自适应迭代算法改进LSSVR

针对最小二乘支持向量回归缺乏传统SVR的稀疏性和鲁棒性等问题,综合矢量基学习和自适应迭代算法的优势,提出了一种改进的加权最小二乘支持向量回归算法(LSSVR)。该算法通过引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量集,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性;同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。实验结果表明,改进的LSSVR具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。