蛋源叶酸对脂多糖诱导孕鼠氧化应激健康效应及胎鼠神经管缺陷的保护作用

比较化学合成叶酸和天然蛋黄来源叶酸对由脂多糖诱导的孕鼠健康效应及胎鼠神经管缺陷的保护作用。通过观察胎鼠的生长发育状况和外观,测定孕鼠体内的叶酸消化吸收、氧化还原内稳态,以及胎盘健康状况,探讨不同来源叶酸的消化吸收差异和对孕鼠氧化应激水平的影响。通过评估胎鼠脑部神经管发育状态、神经管相关蛋白表达情况、抗氧化水平和炎症因子表达量解析叶酸来源对预防胎鼠神经管缺陷和调节体内炎症水平的潜力。研究发现,不同来源的叶酸均能有效改善孕鼠胎盘的健康状况,其中蛋源叶酸更有利于减少脂多糖造成的损伤,并且呈现出剂量依赖关系。蛋源叶酸对胎鼠神经管细胞的发育呈正反馈调节,能够平衡胎鼠脑部的超氧化物歧化酶、过氧化氢酶、谷胱甘肽酶的水平,使胎鼠体内的IL-6、IL-1β、MCP-1、iNOS和TNF-α mRNA的相对表达量处于健康平衡的状态。高剂量蛋源叶酸组中与促进神经管发育相关的蛋白质神经细胞黏附分子1表达显著增加,表现出良好的预防神经管缺陷的潜力以及抗炎效果。这些结果突出了蛋源叶酸在预防神经管缺陷和调节体内炎症水平方面的重要性,为食物来源叶酸健康功能提供了新的理论和实践依据。

A framework of force of information influence and application for C4KISR system

The subversive nature of information war lies not only in the information itself, but also in the circulation and application of information. It has always been a challenge to quantitatively analyze the function and effect of information flow through command, control, communications, computer, kill, intelligence,surveillance, reconnaissance (C4KISR) system. In this work, we propose a framework of force of information influence and the methods for calculating the force of information influence between C4KISR nodes of sensing, intelligence processing,decision making and fire attack. Specifically, the basic concept of force of information influence between nodes in C4KISR system is formally proposed and its mathematical definition is provided. Then, based on the information entropy theory, the model of force of information influence between C4KISR system nodes is constructed. Finally, the simulation experiments have been performed under an air defense and attack scenario. The experimental results show that, with the proposed force of information influence framework, we can effectively evaluate the contribution of information circulation through different C4KISR system nodes to the corresponding tasks. Our framework of force of information influence can also serve as an effective tool for the design and dynamic reconfiguration of C4KISR system architecture.

新冠文本实体关系抽取及数据集构建方法研究

实体关系抽取可有效地获取文本中的关键信息,利用新冠文本中的关键信息有助于切断疫情传播途径,发掘疫情传播源头。但该领域没有适合的公开有标注的数据集,针对该问题,通过分析新冠文本的语义表示和结构特点,提出一种针对新冠文本的实体关系定义,并根据实体关系定义对收集的数据进行实体标注和关系标注,在标注完成后,通过数据预处理等操作生成新冠文本实体关系抽取数据集。与公开数据集相比,该领域的数据集本文实体和关系分布较为密集,单一神经网络模型特征抽取能力较差,因此采用多种神经网络模型拼接的方法构建命名实体识别模型和关系抽取模型。通过模型的结果对数据集进行实验验证,实验结果证明该数据集可以应用于该领域的实体关系抽取任务。

永磁同步电机无位置传感器控制现状和展望

永磁同步电机(PMSM)的无位置传感器控制是当前电机控制领域的研究热点。针对永磁同步电机无位置传感器控制中基于反电动势观测以及电感凸极性的位置估计方法进行归纳总结。分别对滑模观测器法、模型参考自适应法、龙伯格观测器法、扩展卡尔曼滤波器法、无迹卡尔曼滤波器法和高频信号注入法的基本理念进行了介绍,通过比较每种方法的优势和不足,并根据其缺点归纳了目前主要的改进方法,并阐述了全速范围内两大控制方法的结合策略,且对无位置传感器控制的研究趋势进行了展望。

基于标签混淆的院前急救文本分类模型

针对院前急救文本专业词汇丰富、特征稀疏和标签混淆程度大等问题,提出一种基于标签混淆模型(LCM)的文本分类模型。首先,利用BERT获得动态词向量并充分挖掘专业词汇的语义信息;然后,通过融合双向长短期记忆(BiLSTM)网络、加权卷积和注意力机制生成文本表示向量,提高模型的特征提取能力;最后,采用LCM获取文本与标签间的语义联系、标签与标签间的依赖关系,从而解决标签混淆程度大的问题。在院前急救文本和公开新闻文本数据集THUCNews上进行实验,所提模型的F1值分别达到了93.46%和97.08%,相较于TextCNN(Text Convolutional Neural Network)、BiLSTM、BiLSTM-Attention等模型分别提升了0.95%~7.01%和0.38%~2.00%。实验结果表明,所提模型能够获取专业词汇的语义信息,更加精准地提取文本特征,并能有效解决标签混淆程度大的问题,同时具有一定的泛化能力。

大数据在测绘地理信息中的应用策略

为了提升地理信息测绘质量与测绘效率,需保障测绘地理信息工作顺利进行,确保收集的信息完整。文章对大数据以及测绘地理信息概念进行叙述,探析测绘地理信息发展现状以及大数据对测绘地理信息工作的影响,阐述大数据在测绘地理信息中的应用领域及策略。研究结果表明,在测绘地理信息的发展过程中,大数据技术占有重要地位,将大数据技术应用于测绘地理信息工作,能够促进测绘工作发展,使工作质量和效率均大幅度提升,相关部门人员也应意识到大数据的重要作用,积极将大数据应用于测绘地理信息工作。

超声处理对蛋清粉速溶性的影响

以新鲜蛋清液为原料,采用超声处理对其进行改性后,喷雾干燥制成蛋清粉,以期改善蛋清粉的溶解性,制备速溶性蛋清粉。选择超声时间、超声功率、超声时蛋清液体积分数3个因素,以分散性、溶解度和稳定系数作为速溶性评价指标,通过单因素试验和正交试验对超声处理条件进行优化,得出最优的超声处理条件为:超声时间10 min、超声功率120 W、超声时蛋清液体积分数50%。在此条件下制备的蛋清粉的平均分散时间为56.67 s、平均溶解度为93.56 g/100 g、平均稳定系数为97.29%,具有较好的速溶性。通过对未超声喷雾干燥和冷冻干燥蛋清粉进行十二烷基硫酸钠-聚丙烯酰胺凝胶电泳、扫描电子显微镜观察和粒径分析,发现超声之后喷雾干燥得到的蛋清粉的颗粒更小、更均匀。圆二色光谱和表面疏水性结果显示,超声后喷雾干燥蛋清粉的蛋白质结构发生了改变,超声后其蛋白质结构趋于无序,表面疏水性增加,这些结构上的变化都有助于提高速溶性。本研究结果为超声波在新型蛋制品领域的应用提供了参考。

基于特征交换的CNN图像分类算法研究

针对深度学习在图像识别任务中过分依赖标注数据的问题,提出一种基于特征交换的卷积神经网络(CNN)图像分类算法。结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能,将CNN卷积层提取出的特征图与同类标签特征图进行交换,充分融合有限的图像特征,以解决图像识别中样本不足的问题。实验结果表明,该算法对标注数据的依赖性较低且有效提升了网络识别准确率,适用于数据量较小的图像分类场景。

多层线电阻精密印制板制作方法

与常规线圈板相比,多层线电阻精密印制板的层数更高、线路更精细、体积更小,且电阻要求更复杂,因此其平面线圈的设计有较高难度。目前该类型产品已被广泛应用于射频识别(RFID)、微电机、军品、无线充电等领域。针对多层线电阻精密印制板,就其在生产中如何满足线路电阻控制要求及线宽线距的公差问题展开研究。

改进在线词对主题模型的微博热点话题演化

话题演化分析是舆情监控的研究热点之一,面向微博热点话题进行演化分析,对于网络用户以及网络监管部门都有很重要的现实意义。针对在线词对主题模型(On-line Biterm Topic Model,OBTM)新旧主题混合、冗余词概率相对较高的问题,对OBTM进行改进,提出基于话题标签和先验参数的OBTM模型(Topic Labels and Prior Parameters OBTM,LPOBTM)。根据微博热点话题的话题标签,将微博文本集区分为含话题标签和不含话题标签的两类数据集,并设置不同的文档-主题先验参数;在前一时间片文档-主题概率分布的基础上,借鉴Sigmod函数对所有主题进行强度排名,从而优化当前时间片上主题-词分布的先验参数计算方法。实验结果表明,LPOBTM能够更准确地描述话题的内容演化情况,并且有更低的模型困惑度。

基于GSA与DE优化混合核ELM的网络异常检测模型

为了增强网络入侵检测模型的准确率与泛化性,提出一种基于引力搜索算法(GSA)与差分进化(DE)算法优化混合核极限学习机(ELM)的网络入侵检测模型。该模型针对采用单个核函数的ELM模型存在的泛化能力弱、学习能力差的问题,结合多项式核函数和径向基函数的优点,构建混合核ELM模型(HKELM),将GSA和DE相结合优化HKELM模型参数,从而提高其在异常检测过程中的全局和局部优化能力,在此基础上利用核主成分分析算法进行入侵检测数据的数据降维和特征抽取,构建网络入侵检测模型KPCA-GSADE-HKELM。在KDD99数据集上的实验结果表明,与KDDwinner、CSVAC、CPSO-SVM、Dendron等模型进行对比,KPCA-GSADE-HKELM模型具有更高的检测精度和更快的检测速度。

“新工科”背景下引入人工智能理念的“结构概念与创新设计”课程的构建

基于"新工科"建设对地方高校土木工程专业学生能力培养的要求,将课程改革创新与学科竞赛相结合,交叉融合计算机学科人工智能领域和土木工程专业知识,构建了"机构概念与创新设计"课程建设方案,制定了课程的教学目标与大纲和课程的具体组织与实施环节。实践成果表明,将学科竞赛与课程改革有机结合,融合跨学科的工程解决方案,是培养大学生综合应用所学知识解决复杂工程问题能力的有效途径。

结合GCN和注意力机制的文本分类方法研究

针对传统文本分类方法中需要手动提取特征和分类进而导致分类准确率不高的问题,提出一种结合图卷积神经网络和注意力机制的文本分类方法。方法首先建立整个语料库的大型文本图,然后将文本图的邻接矩阵和特征矩阵输入到图卷积神经网络中,最后网络输出与注意力机制相结合,利用注意力机制中Self-Attention机制的Query矩阵,Key矩阵和Value矩阵计算Attention值,充分学习文本表示,不断调整网络的输出,最终提高文本分类的准确率。在数据集上的仿真结果表明,所提出的方法与传统文本分类方法相比,其准确率较高。

基于跳跃基因的GA-BP算法研究

GA-BP学习算法往往会出现收敛速度慢,可能陷入局部极值的现象。针对以上问题,选取了自适应GA-BP(AGA-BP)算法,并在GA-BP算法和AGA-BP算法的基础上添加跳跃基因,称之为JG-GA-BP算法和JG-AGA-BP算法,用于解决分类问题。算法在遗传算法的基础上增加了跳跃基因算子,用于优化BP神经网络的结构参数,从而建立相应的神经网络拓扑模型。为验证添加跳跃基因后的学习算法的分类效果,将JG-AGA-BP算法、JG-GA-BP算法、AGA-BP算法和GA-BP算法的性能进行比较。以随机数、iris、wine、鲍鱼数据集的分类实验为例,研究结果显示出添加了跳跃基因的GA-BP算法的准确率和收敛速度都有一定程度的提高。

进化计算与复杂网络结构关系的研究

基于达尔文进化论的进化算法可以将问题的求解过程模拟为群体的适者生存过程,通过群体不断进化,求得最终解。但进化过程的描述不够清晰,且只注重最终结果,常常忽略算法的中间过程。复杂网络结构可有效弥补这一缺陷。通过分析算法的优化过程,将个体之间的关系进行动力学过程描述,并讨论其蕴含的复杂网络结构,最终利用复杂网络技术控制或改进算法。设置相关参数进行动力学描述的实验设计并验证网络结构是否符合复杂网络特征。研究结果表明进化计算的优化过程可以描述为复杂网络结构或类似于复杂网络的结构。这对于复杂网络的深入研究及进化计算的改进、优化和控制有一定的理论意义和应用价值。

情感极性和影响函数的OBTM弹幕主题演化

针对主题模型不能充分考虑情感极性信息和衰减因子设定单一的问题,提出情感极性和影响函数的OBTM弹幕主题演化方法。提出基于改进负采样的word2vec词向量模型,对弹幕词语的情感极性进行标注;设计影响函数,反映离散时间中文本主题的历史影响程度;利用情感极性特征和影响函数改进OBTM模型,用于弹幕主题演化的分析。实验结果表明,改进的OBTM可以有效优化主题演化效果,能够扩展弹幕在主题情感极性演化方面的应用。

基于词汇增强的中文命名实体识别方法

针对中文命名实体识别中词嵌入表示不充分,以及传统分词方法存在分词错误引起误差传播的问题,提出两种词嵌入编码策略,并结合预训练语言模型BERT增强文本的初始向量表示。输入向量以字为单位,通过输入句子与词汇库匹配的方式,为每一个歧义字符引入多种可能的分词情况,然后利用提出的两种策略将多个词向量进行融合;通过统计数据集中所有词语的词频,为词向量引入词频信息,使得模型倾向于学习词频较高的词向量,减少了错误分词带来的噪声问题。利用BERT模型根据上下文语境生成动态字向量,将字向量和融合后的词向量拼接作为双向长短期记忆网络的输入,最后利用条件随机场进行标签解码。在MSRA和Resume数据集上进行仿真实验,F;值分别提高了2.01%和1.55%。

BERT-TECNN模型的文本分类方法研究

由于Bert-base,Chinese预训练模型参数巨大,在做分类任务微调时内部参数变化较小,易产生过拟合现象,泛化能力弱,且该模型是以字为单位进行的预训练,包含词信息量较少。针对这些问题,提出了BERT-TECNN模型,模型使用Bert-base,Chinese模型作为动态字向量模型,输出包含深度特征信息的字向量,Transformerencoder层再次对数据进行多头自注意力计算,提取特征信息,以提高模型的泛化能力,CNN层利用不同大小卷积核,捕捉每条数据中不同长度词的信息,最后应用softmax进行分类。该模型与Word2Vec+CNN、Word2Vec+BiLSTM、Elmo+CNN、BERT+CNN、BERT+BiLSTM、BERT+Transformer等深度学习文本分类模型在三种数据集上进行对比实验,得到的准确率、精确率、召回率、F1测度值均为最高。实验表明该模型有效地提取了文本中字词的特征信息,优化了过拟合问题,提高了泛化能力。

结合用户聚类与改进用户相似性的协同过滤推荐

协同过滤算法作为一种信息筛选的重要方式,在大数据时代下受到越来越多的关注。但传统的协同过滤算法由于面临着严重的数据稀疏性以及只考虑用户间的评分相似性,导致推荐准确率较低。对此,提出了一种改进的协同过滤算法。利用K-means++算法对用户属性进行聚类,从而降低数据的稀疏性;考虑到用户兴趣会随时间发生动态变化,在传统的评分相似性中引入时间因素;将信任误差引入到用户间的信任关系中,从而改善用户信任度;将基于时间因素的评分相似性与改进的用户信任度进行融合,从而提高用户相似性的计算精度。在MovieLens数据集上进行仿真实验,结果表明,该算法能有效地提高推荐的预测准确性。

大数据应用背景下的公共卫生应急响应体系建设——以邯郸市为例

近年发生的多起重大突发公共卫生事件,如非典型肺炎疫情、中东呼吸综合征疫情、三聚氰胺奶粉事件、疫苗造假事件以及近期新型冠状病毒肺炎疫情等,严重危害了人民健康和生命安全。随着互联网、云计算和物联网技术的成熟,医疗卫生信息化的广泛普及,使得医疗卫生相关数据迅速积累。本文以人口近千万的地级市——邯郸市为例,研究如何有效利用大数据资源、最新医学研究成果以及现代人工智能技术手段,创建涵盖疫情实时预警、分析研判、资源调度以及决策指挥的信息化联动体系,在后疫情时期为政府提升精准管理水平、有效防范处置突发公共卫生事件发挥有力支撑作用。