基于机器学习模型的改性双基推进剂的燃速预测

在分析了改性双基推进剂不同成分含量对其燃速性能影响的基础上,使用机器学习方法建立了以推进剂成分含量及压强为输入变量,推进剂燃速值为输出的预测模型。通过以相关系数(R^(2))、均方根误差(RMSE)以及平均绝对误差(MAE)作为模型的性能评价指标,比较了不同机器学习方法的预测性能,包括随机森林、支持向量回归、极限梯度提升、人工神经网络、多元线性回归、偏最小二乘回归和K最近邻回归。结果表明,以多项式内积(Poly)为核函数的支持向量回归(Support Vector Regression,SVR)模型的预测效果最优,其模型的留一法交叉验证结果令人满意,R^(2)、RMSE、MAE分别为0.9927、0.5553、0.4033。最后,为进一步验证模型的准确性、稳定性,我们分别采用5折、10折交叉验证与留一法进行结果比较,并绘制模型的学习曲线。结果证实模型稳定可靠,过拟合程度低,可实现对改性双基推进剂燃速的准确预测,可为具有优越性能的推进剂配方设计与优化提供理论指导。

基于Flask的蛋白质网络分析平台设计

复杂网络技术目前已经被广泛应用在现实生活中的各个领域,通过将系统表征成复杂网络可以有效提供系统的关键拓扑信息。结合基于Python实现的Flask框架搭建氨基酸网络分析平台,通过将复杂网络应用于蛋白质结构,对蛋白质结构进行网络的构建,网络性质的分析。结合Three.js以及NGL Viewer提供蛋白质结构的可视化分析,结合ECharts框架提供氨基酸网络性质的可视化分析,为研究蛋白质结构提供便利的平台。

基于3D卷积神经网络的阿尔茨海默症及轻度认知功能障碍诊断

轻度认知功能障碍(MCI)作为阿尔茨海默病(AD)的预兆,具有相对复杂多变的特点。准确诊断和有效预防MCI具有重要意义。针对AD和正常对照组(CN)、AD和MCI的诊断问题,利用相应核磁共振图像(MRI)影像学数据,提出基于3D卷积神经网络的诊断模型。实验结果表明,AD与CN的分类准确率达96.7%,AUC为0.983,AD与MCI的分类准确率达94.7%,AUC为0.966,该模型在参数量与诊断精度上都具有较高的性能优势。

基于HTML5的算法可视化编辑器研究

基于最新的HTML5标准,笔者设计实现了一款算法可视化编辑器,可用于算法的动态演示、算法教学等。该设计建立在基于oCanvas的动画框架和算法动画库上,设计出了基于时间线脚本序列的定义和存储。编辑器通过动画框架控制动画进程,通过调用算法动画库来实现动画效果,丰富了算法教学的手段。