一种lncRNA与疾病关联的多层线性投影预测算法

LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联的多层线性投影预测方法(MLPLDA:Multi-layer linear projection for predicting lncRNA-disease association).MLPLDA利用组合加权整合lncRNA和疾病的两种相似性,然后用WKNKN重构原始的lncRNA-疾病关联矩阵,最后使用堆叠层策略的多层线性投影进行lncRNA-疾病关联预测.在留一和五折交叉验证实验中,MLPLDA获得的AUC分别是0.8807和0.8563±0.0045,体现了其可靠的性能.在3种疾病(肺癌,乳腺癌和骨肉瘤)的案例研究中,MLPLDA能够有效预测与3种疾病有关系的lncRNA.

基于对比学习的多肉植物分类识别方法研究

针对多肉植物种类多,类内差异大、类间差异小,数据难收集,导致传统分类算法不能有效解决多肉植物图像分类的问题,提出一种基于对比学习的多肉植物图像分类网络CL_ConvNeXt。该网络以ConvNeXt为基础结构引入对比学习思想,在网络中间层添加非线性投影层(Projection head)作为辅助分类器来帮助模型对浅层网络进行特征提取;在一个批处理中通过数据增强来构造正样本,将剩余样本看作负样本;将交叉熵损失函数和对比损失函数进行加权计算,重新设计新的损失函数计算方法,实现单阶段模型训练。训练时采用迁移学习将预训练权重迁移到模型中来提高模型训练时的收敛速度,通过优化各种策略和参数来进一步提升模型的识别准确率。结果表明,在自制的190类多肉植物数据集中,在使用相同训练策略和环境配置的情况下,最终模型CL_ConvNeXt对多肉植物图像分类识别准确率达到了91.79%,较原ConvNeXt模型结构的识别准确率提升了12.24个百分点,对解决多肉植物图像分类识别问题有较好的效果。

基于自监督学习的变电站缺陷检测

为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%.

资源储量估算垂直纵投影图上是否要画坐标线探讨

根据数学推导:当矿体(层)为非直立、非正东正西、正南正北倾向时,在垂直纵投影图上X、Y轴坐标投影线均是倾斜线。因此,在矿体(层)纵投影图上强调画坐标线,且将纵投影图上的坐标投影线均表示为铅直线值得商榷。

厚层CTA-MIP与DSA诊断大脑前动脉狭窄的临床价值

目的探讨厚层CT血管造影-最大密度投影(CTA-MIP)后处理成像与数字减影血管造影(DSA)成像技术诊断大脑前动脉狭窄的临床价值。方法选取医院2014年1月至2017年12月收治的100例在神经科诊断疑似脑血管病患者,均接受CTA和DSA检查。以DSA技术检查作为参考标准,评价厚层CTA-MIP技术对发现大脑前动脉狭窄诊断的灵敏度、特异度、阳性预测值和阴性预测值。结果以DSA为金标准,厚层CTA-MIP分段显示总体灵敏度、特异度、阳性预测值、阴性预测值分别为91.4%、97.0%、84.1%、98.5%,CTA与DSA检查结果一致率为96.1%,Kappa值=0.751,比较差异有统计学意义(P<0.05)。结论厚层CTAMIP技术通过分段显示方法,诊断大脑前动脉狭窄病变的灵敏度、特异度较高,与DSA有较高的一致性,能较好地判断狭窄程度,可以作为大脑前动脉狭窄诊断以及溶栓后复查的影像学检查方法。

福建省5种造林树种幼苗生物量估测模型

马尾松(Pinus massoniana)、杉木(Cunninghamia lanceolata)、刨花楠(Machilus pauhoi)、闽楠(Phoebe bournei)和木荷(Schima superba)是福建省常见树种,选取基径(D)、株高(H)、冠幅宽度(C)及复合变量D2、D2H、CA(canopy area,冠层面积)和CV(canopy projected volume,冠层投影体积)作为自变量,选用5种回归方程构建幼苗生物量估测模型,结果表明:以CV和D2H作为自变量时,模型的拟合效果最好;5种苗木生物量最优估测模型多为二次多项式和幂函数形式。幼苗生物量估测模型对快速准确判别苗木优劣具有重要理论意义。

机身上壁板复合材料蒙皮数字化成型工艺

为解决树脂基复合材料复杂结构件工艺难以实现问题,采用三维工艺模型设计、铺层工艺仿真、铺层样片排版与数控下料、激光投影铺层定位等数字化技术,不但从根本上改变了传统的复合材料构件生产方式,解决了工艺技术难题,而且在缩短研制周期、提高产品质量,降低研制成本等方面都取得了显著的应用效果。

Mn在Si(100)表面化学吸附电子结构的研究

用TB—LMTO方法研究单层Mn原子在理想的Si(10 0 )表面的化学吸附 .计算了Mn原子在不同位置的吸附能 .结果表明 ,Mn原子在C位 (四重位 )吸附最稳定 ,在Mn/Si(10 0 )界面存在Mn、Si混合层 .

基于动态和静态偏好的兴趣点推荐算法

针对大多数现有主流兴趣点(POI)推荐算法忽略了融合用户复杂动态偏好和一般静态偏好建模的复杂性问题,提出一个融合复杂动态用户偏好和一般静态用户偏好的POI推荐算法CLSR。首先,在复杂动态偏好建模过程中,基于用户的签到行为及其中的跳过行为设计一个混合神经网络,实现用户的复杂动态兴趣的建模;其次,在一般静态偏好建模过程中,利用高阶注意力网络学习用户与POI之间复杂的交互关系;然后,利用多层神经网络进一步学习和表示上述动态偏好和静态偏好;最后,基于统一的POI推荐框架对偏好进行整合。在真实数据集上的实验结果表明,与个性化马尔可夫链和用户位置受限的推荐方法FPMC-LR、基于个性化排名度量嵌入的推荐方法PRME、基于排名的地理分解兴趣点推荐方法Rank-GeoFM和基于时间和多级上下文注意力机制的下一个兴趣点推荐方法TMCA相比,CLSR的性能有了较大的提高,该算法的准确率、召回率和归一化折损累计增益(nDCG)和对比方法中较优的TMCA相比,在Foursquare数据集上分别提高了5.8%、5.1%和7.2%,在Gowalla数据集上分别提高了7.3%、10.2%和6.3%,可以有效地改善POI推荐的结果。