高安全装备多维度大修资源的优化调度

人工操作的方式进行大修期间的任务规划,使核电、化工等高安全行业的装备在大修过程产生资源冲突或资源浪费的现象,进而导致了大修执行成本的增加和维修工期的延迟。因此,提出了多维度优化建模的方法,在考虑多维度维修资源的前提下建立了以执行成本和维修工期为目标的多目标优化模型,并选择了以考虑精英选择策略的遗传算法对模型进行求解。为了验证模型及算法的有效性,以某核电站应急柴油机的维修数据为例,考虑备用方案和无备用方案的两种情况,结果表明,模型可以很好地优化执行成本和维修工期,在无备用方案的情况下执行成本减少了5%,维修工期减少了9天,有备用方案的情况下执行成本减少了12%,维修工期减少了13天。

基于转运蛋白工程提升微生物菌株耐受性和生物制造效率的研究进展

微生物细胞工厂广泛用于生物燃料以及高值化学品和大宗化学品的可持续生产,但是高浓度产物和底物以及多种环境胁迫条件会抑制菌株的发酵效率,降低生产的经济性。因此,增强菌株耐受性对于目的产物的高效和可持续生产至关重要。近年来,利用转运蛋白工程保护菌株免受毒性化合物的损害以提升菌株耐受性的策略日益受到研究者的关注。因此,本文总结了基于微生物转运蛋白工程改造提升菌株耐受性的研究进展,分析了目前微生物转运蛋白研究领域中存在的关键问题,并探讨了基于转运蛋白工程提升微生物菌株耐受性的策略,尤其对人工智能在转运蛋白功能注释、结构模拟和底物-转运蛋白互作预测中的应用进行了总结和展望,以期能够促进微生物在绿色生物制造领域的应用。

数据库原理及应用课程思政元素融合方法

针对现有文献对数据库原理及应用课程挖掘出的思政元素,讨论其与教学内容的引入方法和相关性。结合当代大学生的心理特征,讨论思政元素在教学设计中的融合方法,从启发性、趣味性和依从性方面进行粗略评估。实践表明,该方法有利于实现专业知识传授与思政元素的有效融合,取得了良好的教学效果。

增压器的匹配计算与应用分析

发动机设计工作中的“三化”是内燃机生产专业化的基础,其中的零部件通用化保证了同一系列机型中,各机型的零部件能够互换通用,减小内燃机工业中零部件的数目和种类。其中影响发动机性能的关键零部件-涡轮增压器也尽量遵循通用化原则。本文分析了涡轮增压器A、B匹配同一系列发动机的情况,通过对试验数据分析,得出A涡轮增压器匹配同一转速不同功率发动机的联合运行线情况,及B涡轮增压器匹配不同转速同一功率发动机的联合运行线情况。

甘草素调控WIG-1基因对肺癌细胞增殖、细胞凋亡以及放疗敏感性影响的研究

目的:探讨甘草素(LQ)对肺癌细胞增殖、凋亡及放疗敏感性的影响及其作用机制。方法:体外培养肺癌细胞株H1299,采用MTT细胞实验检测不同浓度LQ对H1299细胞增殖活性的影响,流式细胞术检测H1299细胞凋亡率变化情况。Western blot检测各组H1299细胞中WIG-1蛋白表达情况,克隆形成实验检测不同剂量照射的H1299细胞存活分数。结果:不同浓度LQ处理后可抑制H1299细胞增殖并诱导细胞凋亡;LQ作用H1299细胞后经X线照射可降低H1299细胞存活分数并促进细胞凋亡;LQ可抑制H1299细胞中WIG-1蛋白表达;沉默WIG-1后经X线照射H1299细胞存活分数明显降低并可诱导细胞凋亡;WIG-1过表达可逆转LQ对H1299细胞凋亡及放疗敏感性的作用。结论:LQ通过调控WIG-1基因表达进而抑制肺癌细胞增殖、促进细胞凋亡及增强放疗敏感性。

基于泛血管病概念对虫类药应用的思考

泛血管病是以血管病变为共同病理特征的一组系统性血管疾病,动脉粥样硬化(AS)是泛血管病的共同病理基础,认识血管性疾病的发生、发展规律及特征,对于泛血管疾病的防治,具有十分重要的意义。痰、瘀、毒、风是泛血管病AS发生的共同致病因素,其中痰瘀互结是其核心病机,浊毒化风是疾病演变、事件发生的重要环节。虫类药以其攻逐走窜,搜剔疏利,而具有独特的祛痰化瘀,泄浊通络功效,系统研究虫类药物的抗AS作用,有利于拓展泛血管病的治疗思路。

基于深度强化学习的边云协同串行任务卸载算法

在移动边缘计算任务卸载问题中,传统卸载算法仅考虑移动设备和边缘服务器计算资源,在资源利用、系统效能上存在一定的局限性。该文基于RainbowDQN算法,考虑了延迟、能耗成本和服务质量保证等因素,提出了一种边缘云协同串行任务卸载算法(ECWS-RDQN)。该算法通过对串行任务的权重分配,实现了网络边缘和云端协同的串行任务动态分配处理,为不同的用户设备应用提供近似最优的任务分配卸载策略。实验表明,ECWS-RDQN算法比传统方案有更好的系统效能,提升了应用的服务质量。

桔梗枳壳汤加味对反流性食管炎模型大鼠PI3K/Akt信号通路及胃肠动力的影响

目的:探讨桔梗枳壳汤加味对反流性食管炎(RE)模型大鼠磷脂酰肌醇-3激酶(PI3K)/丝氨酸-苏氨酸蛋白激酶(Akt)信号通路及胃肠动力的影响。方法:SD大鼠随机分为假手术(Sham)组及造模大鼠,造模成功大鼠随机分为RE组(半幽门结扎术和贲门部分肌层切开术)、桔梗枳壳汤加味低剂量组(0.35 g/kg)、桔梗枳壳汤加味中剂量组(0.70 g/kg)、桔梗枳壳汤加味高剂量组(1.40 g/kg)、阳性组[莫沙必利(7.80 mg/kg)+埃索美拉唑(20.80mg/kg)],每组10只。Sham组和RE组每天灌胃给予生理盐水,其余各组均灌胃给予相应剂量药物,2次/d,共2周。苏木精-伊红染色(HE)法检测各组大鼠食管组织病理变化;蛋白免疫印迹法(Western blot)检测食管组织中PI3K/Akt通路蛋白表达情况;酶联免疫(ELISA)试剂盒检测大鼠食管组织血管生长因子(VEGF)及血清胃肠激素胃动素(MTL)、胃泌素(GAS)、胆囊收缩素(CCK)含量;葡聚糖蓝标记法检测胃排空率和小肠推进率。结果:与Sham组比较,RE组大鼠可见食管下段黏膜溃烂、炎性细胞浸润、基底层增厚等病理损伤,食管组织VEGF含量、p-PI3K/PI3K、p-Akt/Akt蛋白水平及血清CCK含量均明显升高(P<0.05),血清MTL含量、血清GAS含量、胃排空率、小肠推进率均明显下降(P<0.05)。与RE组比较,桔梗枳壳汤加味低、中、高剂量组及阳性组大鼠食管下段黏膜病理损伤减轻,食管组织VEGF含量、p-PI3K/PI3K、p-Akt/Akt蛋白水平及血清CCK含量均明显降低(P<0.05),血清MTL含量、血清GAS含量、胃排空率、小肠推进率均明显升高(P<0.05)。与梗枳壳汤加味低剂量组比较,桔梗枳壳汤加味中、高剂量组及阳性组大鼠食管下段黏膜病理损伤减轻,食管组织VEGF含量、p-PI3K/PI3K、p-Akt/Akt蛋白水平及血清CCK含量均明显降低(P<0.05),血清MTL含量、血清GAS含量、胃排空率、小肠推进率均明显升高(P<0.05)。结论:桔梗枳壳汤加味可能通过抑制PI3K/Akt信号通路激活、降低VEGF含量,调节胃肠激素,增强胃肠动力,从而改善RE所致食管病变。

基于网格划分加权的分布式离群点检测算法

分布式计算被广泛应用于离群点检测问题,但分布式环境中节点计算性能的差异带来了数据计算性能的下降问题。针对面向大尺度高维数据离群点分布式计算的负载均衡问题,该文提出了一种加权分布式离群点检测方法。首先根据数据节点的计算性能确定数据节点的权值,然后将数据空间划分为若干个网格,最后设计了一种基于网格划分的加权分配算法WGBA,将这些网格分配到数据节点中,实现并行计算。实验验证了该方法的有效性。

端口受控哈密顿方法的电力双推进无人船航向航速控制

以电力双推进无人船航速航向控制为主要研究问题,使用永磁同步电机作为无人船螺旋桨的驱动电机,采用基于端口受控哈密顿(PCH)方法,有效的降低了系统损耗,使无人船驱动系统输出功率得到了优化。仿真结果表明,系统能较快达到稳定状态,实现了无人船的速度控制要求,提升了无人船系统的续航能力。

融入结构度中心性的社交网络用户影响力评估算法

在社交网络中,通过追踪极少数的强影响力用户,可以实现宏观管控信息的传播过程,而用户影响力是一种无法预判的后验信息,仅能依靠有关特征来确定。因此,提出了一种融入结构度中心性的社交网络用户影响力评估(Structural-Degree-Centrality User Influence Rank,SDRank)算法来识别强影响力用户。该算法基于PageRank算法,引入了结构度中心性,结合了加入时间与平均转发数的调节因子,进而计算出用户的影响力值。相较于其他的现有算法,SDRank算法仅从用户本身的行为角度出发,不需要诸如个人标签、粉丝等存在伪造风险与缺省可能的具体信息,也不必挖掘传播内容的潜在信息,适用性更广泛。以微博用户的级联转发数据集作为实验对象,对被转发数排名Top-K用户的平均转发数等相关结果进行了可视化分析,探讨了用户转发行为在社交网络信息传播中的作用。在实验过程中,所提算法与PageRank,TrustRank算法相比,准确率、召回率和F1-measure值都有了一定的提高,验证了SDRank算法的有效性。

面向跨模态检索的协同注意力网络模型

随着图像、文本、声音、视频等多模态网络数据的急剧增长,人们对多样化的检索需求日益强烈,其中的跨模态检索受到广泛关注。然而,由于其存在异构性差异,在不同的数据模态之间寻找内容相似性仍然具有挑战性。现有方法大都将异构数据通过映射矩阵或深度模型投射到公共子空间,来挖掘成对的关联关系,即图像和文本的全局信息对应关系,而忽略了数据内局部的上下文信息和数据间细粒度的交互信息,无法充分挖掘跨模态关联。为此,文中提出文本-图像协同注意力网络模型(CoAN),通过选择性地关注多模态数据的关键信息部分来增强内容相似性的度量。CoAN利用预训练的VGGNet模型和循环神经网络深层次地提取图像和文本的细粒度特征,利用文本-视觉注意力机制捕捉语言和视觉之间的细微交互作用;同时,该模型分别学习文本和图像的哈希表示,利用哈希方法的低存储特性和计算的高效性来提高检索速度。在实验得出,在两个广泛使用的跨模态数据集上,CoAN的平均准确率均值(mAP)超过所有对比方法,文本检索图像和图像检索文本的mAP值分别达到0.807和0.769。实验结果说明,CoAN有助于检测多模态数据的关键信息区域和数据间细粒度的交互信息,充分挖掘跨模态数据的内容相似性,提高检索精度。

基于自适应时间戳与多尺度特征提取的轨迹下一足迹预测模型

基于位置的服务已经成为人类生活方式的一部分,各种移动终端设备产生了大量时空上下文用户信息,其可被用于预测用户的下一个足迹。目前已提出一些解决方案来预测用户下一个足迹,包括递归运动函数(RMF)、矩阵分解(MF)、差分自回归移动平均模型(ARIMA)、马尔可夫链(MC)、个性化马尔可夫链(FPMC)、卡尔曼滤波器(KF)、高斯混合模型和张量分解(TF)。除此之外,也可以使用诸如ST-RNN,POI2Vec,DeepMove,VANext等深度神经网络方法来预测用户的下一个足迹,这些方法利用递归神经网络(RNN)捕获来自人类活动的顺序运动模式。然而,现有方法使用一些人为设定的阈值来分割人类移动性数据以进行用户运动模式学习,人为固定时间戳设置不仅引入了人为主观因素,而且忽略了不同用户之间的差异性,这可能会导致移动模式发生偏差;而且现有方法针对用户轨迹特征提取过于单一化,单一特征忽略了很多用户轨迹潜在信息。基于自适应时间戳与多尺度特征提取的轨迹预测模型(AMSNext)旨在首次结合历史轨迹数据的时间统计特性,自适应地为每一个用户定义个性化时间戳,关注不同用户运动模式之间的差异性;并结合时间序列特征提取方法多尺度对用户轨迹特征进行提取,同时为实现多尺度特征量纲统一,将会采取归一化因果嵌入对特征进行向量嵌入。实验证明,该模型可以取得较高的预测精度。

社交网络用户影响力的建模方法

社交网络用户影响力在舆情演化、广告营销及政治选举等领域有着广泛应用,研究者在过去的工作中,通过分析和建模,在影响力方面取得了一定的成果,但还存在着定义不明晰、技术落后和应用缺乏等问题。文中明确提出了社交网络用户影响力的研究模型,将传统技术与先进技术结合,并据此梳理了该领域的相关文献,主要从用户、内容特征和深度学习技术的角度论述了基于社交网络的用户影响力的研究方法,并进一步划分成本质和邻域属性、情感分析和元数据、面向局部网络和基于用户及内容特征,还介绍了节点识别的方法,为该领域的学者提供有效且全面的参考。其次,文中还介绍了用户影响力建模方法在预测应用方面的数据集、评价指标和实验结果等,旨在预测下一个激活节点。最后对其未来的发展趋势作出展望。

基于深度学习的信息级联预测方法综述

在线社交媒体极大地促进了信息的产生和传递,加速了海量信息之间的传播与交互,使预测信息级联的重要性逐渐突显。近年来,深度学习已经被广泛用于信息级联预测(Information Cascade Prediction)领域。文中主要对基于深度学习的信息级联预测方法的研究现状与经典算法进行分类、梳理与总结。根据信息级联特征刻画的侧重点不同,将基于深度学习的信息级联预测方法分为时序信息级联预测方法与拓扑信息级联预测方法,并进一步将时序信息级联预测方法分为基于随机游走(Random Walk)的方法与基于扩散路径的方法,将拓扑信息级联预测方法分为基于全局拓扑结构的方法与基于邻域聚合的方法;并对每类方法进行详细的原理阐述与优缺点介绍,介绍了信息级联预测领域常用的数据集与评价指标,在宏观与微观两种信息级联预测场景下对基于深度学习的信息级联预测算法进行实验对比,并讨论了一些信息级联预测算法中常用的算法实现细节。最后,总结了该领域未来可能的研究方向与发展趋势。

低温制剂保存对脂肪间充质干细胞生物学特性的影响

背景:脂肪干细胞在GMP洁净车间制备完成后需要做成制剂才能给患者输注。低温制剂相比于冻存制剂有很多优势,然而关于低温短期保存对干细胞生物学特性影响的研究较少。目的:评价用含5%人血白蛋白的复方电解质低温保存24 h对脂肪间充质干细胞生物学特性的影响。方法:取第3-6代人脂肪间充质干细胞,以5×109 L-1的细胞浓度重悬在含5%人血白蛋白的复方电解质注射液中,将细胞悬液转移至冻存管中,置于冷链运输箱,2-8℃低温保存24 h。观察低温保存前后的细胞形态、贴壁能力、细胞活率、细胞直径及细胞免疫表型变化。结果与结论:(1)脂肪间充质干细胞低温保存24 h后,死细胞增多,细胞活率显著下降,但细胞活率仍大于80%,活细胞直径显著增大;(2)脂肪间充质干细胞低温保存24 h后,少量细胞为圆形,失去贴壁能力,大部分细胞能贴壁生长,形态为梭形,与细胞保存前贴壁形态相似;(3)脂肪间充质干细胞低温保存24 h后,HLA-DR、CD34和CD45均为阴性表达,阳性率低于2%;CD29、CD73和CD105均为阳性表达,阳性率高于95%,但保存后的细胞显著地由一群分为两群,部分细胞体积增大,向右移动;(4)结果表明,低温制剂保存未明显影响脂肪间充质干细胞的贴壁生长能力、存活率及免疫表型等干性生物学特性。

耐碳青霉烯肺炎克雷伯菌耐药基因检测及其同源性分析

目的:研究六安市人民医院耐碳青霉烯肺炎克雷伯菌(CRKP)的耐药基因及同源性。方法:收集2018年4-6月分离自临床标本的肺炎克雷伯菌40株,用法国梅里埃VITEK 2 COMPACT全自动细菌鉴定药敏仪进行鉴定和药敏。采用改良Hodge试验(MHT)和改良碳青霉烯灭活试验(mCIM)对40株菌进行碳青霉烯酶表型的筛选,采用PCR方法检测其是否携带已知的主要碳青霉烯耐药基因KPC、OXA-48、NDM-1。基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)对其进行同源性分析。结果:40株CRKP多分离自ICU病房(占55%),以呼吸道来源标本为主(占80%),对常用抗生素头孢菌素类、氨基糖苷类以及大环内酯类的耐药率均在80.0%以上。MHT和mCIM试验中有33株菌二者均为阳性,2株菌均为阴性,剩下5株MHT试验阳性而mCIM试验结果为阴性。32株菌携带KPC基因,未检出OXA-48及NDM-1基因。同源性分析结果显示40株CRKP分为7个型别,其中A型34株(占85%),B、C、D、E、F及G型各1株(各占2.5%)。结论:分离的CRKP以携带KPC-2基因为主,共有7个型别,以A型为主,为有效治疗和预防CRKP感染提供了参考依据。

基于分层注意力的信息级联预测模型

信息级联预测(Information Cascade Prediction)是社交网络分析领域的一个研究热点,其通过信息级联的扩散序列与拓扑图来学习在线社交媒体中信息的传播模式。当前的信息级联预测模型大多以循环神经网络为基础,仅考虑信息级联的时序结构信息或者序列内部的空间结构信息,无法学习序列之间的拓扑关系。而现有的级联图结构学习方法无法为节点的邻居分配不同的权重,导致节点之间的关联性学习较差。针对上述问题,文中提出了基于节点表示的信息级联采样方法,将信息级联建模为节点表示而非序列表示。随后提出一种基于分层注意力的信息级联预测(Information Cascade Prediction with Hierarchical Attention,ICPHA)模型。该模型首先通过结合了自注意力机制的循环神经网络来学习节点序列的时序结构信息;然后通过多头注意力机制学习节点表示之间的空间结构信息;最后通过分层的注意力网络对信息级联的结构信息进行联合建模。所提模型在Twitter,Memes,Digg这3种数据集上达到了领先的预测效果,并且具有良好的泛化能力。

5-氟尿嘧啶类药物联合益气活血解毒方序贯治疗高危Ⅱ期、Ⅲ期结直肠癌术后的临床研究

目的探索5-氟尿嘧啶(5-Fu)类药物联合益气活血解毒方序贯治疗高危Ⅱ期、Ⅲ期结直肠癌术后患者的临床疗效。方法收集2017年9月—2019年12月住院治疗的高危Ⅱ期、Ⅲ期结直肠癌术后患者64例,按照是否接受序贯治疗,分为序贯组(24例)和观察组(40例)。序贯组在常规治疗结束后1个月内予5-Fu类药物联合益气活血解毒方治疗6个月以上;观察组则在常规治疗结束后定期随访;为减少术后分期对无病生存期(DFS)的影响,进一步行亚组分析,分别分析高危Ⅱ期和Ⅲ期序贯组和观察组的疗效差别;同时在Ⅲ期患者中将序贯组和观察组按照严格配对条件进行配对分析,采用配对样本t检验分析两组的疗效差异。结果高危Ⅱ期,Ⅲ期结直肠癌术后患者规范辅助治疗后中位DFS显著高于观察组(P<0.05),差异有统计学意义;为减少术后分期对无病生存期的影响,进一步按照分期行亚组分析发现,高危Ⅱ期序贯组中位DFS高于观察组,但差异无统计学意义;而Ⅲ期序贯组中位DFS高于观察组(P<0.05),差异有统计学意义;为进一步减少干扰因素的影响,在Ⅲ期结直肠癌患者中行配对分析,结果发现序贯组平均DFS较观察组平均延长(6.606±2.563)个月(P<0.05),差异有统计学意义。结论Ⅲ期结直肠癌患者常规治疗结束后1月内序贯5-Fu类药物联合益气活血解毒方治疗至少6个月可延长患者的DFS。

融合多特征的属性异质网络嵌入方法

网络嵌入旨在用低维、实值的向量表示非结构化网络中的节点,使节点嵌入尽可能地保留原始网络中的结构特征与属性特征。然而,当前研究主要集中于嵌入网络结构,对异质信息网络中具有丰富语义的关系属性和节点属性考虑得较少,可能导致节点嵌入语义缺失,从而影响下游应用的预测效果。针对该问题,设计了一种融合多特征的属性异质网络嵌入(Attributed Heterogeneous Network Embedding with Multiple Features,MFAHNE)方法。该方法通过序列采样、结构特征嵌入、属性特征嵌入、特征融合等步骤将网络中的关系属性、节点属性、结构语义等特征融合至最终节点嵌入。实验结果表明,该方法能兼顾结构特征与属性特征,实现两种特征信息的相互补充,优于传统的网络嵌入方法。