检索结果-南通市图书馆

基于HPLC指纹图谱和网络药理学的石崖茶质量标志物(Q-Marker)预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

药物评价研究 2024年第7期47卷 1529-1539页

作者：皮振宇李静何颂华李振麟王伟赵晓芳罗雪菲冷静兰太进广西中医药大学广西南宁530200 广西壮族自治区食品药品检验所广西南宁530021 江苏省中医药研究院江苏南京210028

目的基于HPLC指纹图谱数据的化学模式识别方法和网络药理学技术,预测石崖茶潜在质量标志物(Q-Marker),为提升其药材质量标准提供参考。方法建立10批次广西不同产地石崖茶HPLC指纹图谱,对其进行化学模式识别分析,筛选不同批次间差异的主... 详细信息

目的基于HPLC指纹图谱数据的化学模式识别方法和网络药理学技术,预测石崖茶潜在质量标志物(Q-Marker),为提升其药材质量标准提供参考。方法建立10批次广西不同产地石崖茶HPLC指纹图谱,对其进行化学模式识别分析,筛选不同批次间差异的主要标志性成分,并进行成分质谱鉴定;通过网络药理学对筛选鉴定出的成分构建“成分-核心靶点-通路”网络,分析预测石崖茶的Q-Marker,基于可测性原则对Q-Marker进行定量测定。结果不同批次石崖茶指纹图谱共标定出12个共有峰,经化学模式识别,筛选出批次间5个主要差异性成分,分别鉴定为山茶苷A、表儿茶素、儿茶素、槲皮苷、芹菜素。网络药理学分析提示5种差异成分直接相关靶点211个,其映射的KEGG信号通路显著富集在脂质与动脉粥样硬化、内分泌抵抗、甲状腺激素信号通路、人巨细胞病毒感染、卡波西肉瘤相关疱疹病毒感染、癌症的中心碳代谢等,映射的161个信号通路与石崖茶主要功效和现代药理作用密切相关。含量测定结果显示,不同批次石崖茶中山茶苷A、表儿茶素、儿茶素、槲皮苷和芹菜素质量分数分别为41.56~96.90、85.45~101.01、7.39~12.96、5.74~15.22、2.65~12.43 mg·g^(-1)。根据Q-Marker的五原则,初步预测山茶苷A、表儿茶素、儿茶素、槲皮苷、芹菜素为石崖茶的Q-Marker。结论初步预测了石崖茶的Q-Marker,为其药材质量标准的提升提供参考。

关键词：石崖茶质量标志物指纹图谱化学模式识别分析网络药理学山茶苷A 表儿茶素儿茶素槲皮苷芹菜素

基于脑电信号的情感分类及在驾驶环境下的应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于脑电信号的情感分类及在驾驶环境下的应用

作者：陈杰麟浙江科技大学

学位级别：硕士

随着汽车市场不断发展,逐渐提升的道路交通压力对汽车主动安全和智能化提出了更高的需求。驾驶员的情感状态影响其判断能力和操作精准度,收集和分析驾驶员行驶过程中的情感信息对于辅助驾驶具有重要的参考意义。本文通过建立驾驶模拟场... 详细信息

随着汽车市场不断发展,逐渐提升的道路交通压力对汽车主动安全和智能化提出了更高的需求。驾驶员的情感状态影响其判断能力和操作精准度,收集和分析驾驶员行驶过程中的情感信息对于辅助驾驶具有重要的参考意义。本文通过建立驾驶模拟场景收集驾驶员的脑电信号,提出了改进的情感分类模型,达到了较好的分类效果,主要工作内容如下:1.针对复杂的数据采集环境下数量不等的脑电通道,本文提出了一种具有动态通道选择的改进图卷积模型。该模型通过一维卷积和图卷积,分别捕捉通道内和通道间的脑电图特征。同时在图结构中加入了功能连接,进一步模拟脑区之间的关系。此外,模型还可以根据图结构中的注意力分布,对通道选择的规模进行调整。本文在DEAP-Twente、DEAP-Geneva和SEED数据集上进行了各种实验,平均准确率分别达到90.74%、91.00%和90.22%,超过了大多数现有模型。同时,在仅保留20%的脑电图通道的情况下,模型在上述三个数据集上的平均准确率也达到82.78%、84.00%和83.93%。可见,该模型能够在复杂的数据集环境中实现有效的情感分类,同时,所提出的通道选择方法对于降低情感计算的成本也是有益的。2.为了探索惊恐情感与事故规避能力之间的联系,本文提出了一种模拟驾驶环境下的脑电图采集和情感分类方案。该方案以车速为变量,模拟不同危险程度下的避障情况。实验显示,三分类的准确率达到75.26%,单标签最高F1分数为76.70%。二分类结果达到91.50%,单一标签的最高F1分数为91.86%。结果表明,该解决方案能有效模拟不同的危险情况,捕捉驾驶员的脑电信号,并结合深度学习有效监测情感状态。未来将在跨受试者分类模型和预训练方案上进一步探索,提高分类的速度使模型更加通用。同时将驾驶相关的脑电图研究从疲劳驾驶和路怒症等角度推广到更通用的情感分类任务,改善车辆的驾驶安全和人机交互体验。

关键词：脑电信号模拟驾驶环境情绪感知技术图神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于拓扑密度的联邦图卷积模型聚合算法研究

基于拓扑密度的联邦图卷积模型聚合算法研究

作者：任翔麟长春工业大学

学位级别：硕士

随着信息技术的不断发展以及人工智能技术日渐完善,数据逐渐成为重要的生产要素。联邦学习是一种新兴的分布式机器学习训练技术,它能够在与其他参与者一起训练机器学习模型的同时,将数据存储在本地,是一种具有隐私保护机制的分布式机器... 详细信息

随着信息技术的不断发展以及人工智能技术日渐完善,数据逐渐成为重要的生产要素。联邦学习是一种新兴的分布式机器学习训练技术,它能够在与其他参与者一起训练机器学习模型的同时,将数据存储在本地,是一种具有隐私保护机制的分布式机器学习方案。图神经网络(GNN)是为了解决结构化数据分析的问题而设计的。联邦图学习通过结合图神经网络与联邦学习技术,在确保隐私的同时能够更加有效训练模型,从而发掘和理解数据中的关系和结构依赖,这对节点分类、链接预测和图分类等任务非常关键。本文的主要工作内容及创新点总结如下:(1)本文创新性地提出了一种基于拓扑密度的联邦图卷积模型聚合算法(Fed Gda)。这种算法旨在实现联邦学习的核心目标——保障数据在本地的私密性。在这种机制下,企业之间可以通过加密通道交换模型参数,构建一个遵守隐私法规的虚拟共享模型。这样即便是在复杂的数据环境下,也能保证个人信息的安全。Fed Gda首先会根据子图连接的密度为不同客户端贡献的模型分配不同的权重,更密集的子图对模型贡献的权重比例更高。其次,Fed Gda充分利用子图的结构信息,促进全局模型的收敛。本文提出的方法可以有效地与其他联邦图学习方法相结合。并且本文在独立同分布和非独立同分布环境中对5个数据集进行了大量实验,证明了所提出方法的有效性。(2)将所提出的基于拓扑密度的联邦图卷积模型聚合算法应用于信用卡欺诈检测领域。本文所提出的Fed Gda的独特之处在于其可以促进金融机构间合作的同时,确保敏感数据不被直接共享,并利用图神经网络来挖掘图数据中深层次特性,从而有效的揭示常规手段难以察觉的欺诈模式。在此部分中,我们通过详细的实验证明Fed Gda在处理庞大且复杂金融交易数据集时的表现,重点考察其适应性强的模型更新策略,以应对持续变化的欺诈手段。本文在两个真实信用卡欺诈检测领域数据集中做了大量实验,与传统信用卡欺诈检测算法做对比,充分证明Fed Gda能显著提升信用卡欺诈检测的准确性,对于构建高效安全的金融欺诈检测系统至关重要。本文所提出的基于拓扑密度的联邦图卷积模型聚合算法能够在复杂的数据环境中充分的保证数据安全,该算法能够有效应用于信用卡欺诈检测领域,推动金融技术在欺诈检测领域的创新发展。在未来的研究中我们会着重于进一步降低通信成本、提升算法的可扩展性,并在更多领域探索Fed Gda算法的应用潜力。

关键词：联邦学习联邦图卷积网络拓扑密度信用卡欺诈检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

考虑碳排放的高速公路货车差异化收费研究

考虑碳排放的高速公路货车差异化收费研究

作者：孔维麟山东建筑大学

学位级别：硕士

中立型Filippov系统稳定性和控制问题研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中立型Filippov系统稳定性和控制问题研究

作者：倪宏麟安徽师范大学

学位级别：硕士

本文的研究对象为中立型Filippov系统,该系统将中立型系统与Filippov系统相结合.在这种系统中,中立型系统被用来描述系统的状态演化和动态行为,而Filippov系统的非线性特性则被用来刻画系统中的非光滑性和跃变现象.中立型Filippov系统... 详细信息

本文的研究对象为中立型Filippov系统,该系统将中立型系统与Filippov系统相结合.在这种系统中,中立型系统被用来描述系统的状态演化和动态行为,而Filippov系统的非线性特性则被用来刻画系统中的非光滑性和跃变现象.中立型Filippov系统在动力学建模,复杂系统控制以及混沌理论等领域具有重要的应用价值,能够更准确地描述现实世界中的复杂动态行为和非线性特性,比如机械臂,倒立摆,模拟神经元之间的相互作用和信号传递过程等.此外,一些工业控制流程要求出色的时间响应性能,以满足特定的质量或安全要求.举例来说,如果电压和频率能够迅速稳定到标准值,不仅可以降低事故传播的风险,还能有效减少经济损失.但是传统的有限时间稳定就难以实现,因为现实情况中系统的初始状态难以获得,因此固定时间(Fx T)控制因为其不依赖初值条件的优异特性而被广泛研究.此外,一些工业应用,如温度控制系统和高风险操作设备,必须在预定时间内运行.正因如此,预定时间(Pd T)控制在非线性系统领域受到了国内外学者的广泛关注,并取得了显著的研究成果.本文研究中立型Filippov系统的固定时间和预定时间稳定和控制问题,具体研究内容如下:(1)考虑了由中立型Filippov系统表达的具有时间尺度的不连续中立型竞争网络系统的固定时间和预定时间同步问题.首先,基于积分不等式技术,建立Filippov系统新的预定时间稳定引理,这一引理推广了之前已有的结论.接着利用微分包含理论和新建立的稳定引理,通过设计的非颤振自适应控制,获得了固定时间和预定时间同步的新判据.所设计的控制策略避免了以往含有符号函数的状态反馈控制策略带来的颤振现象,同时也为竞争网络的同步提供了新的控制策略.除此之外,我们所建立的判据都是时滞依赖的,与现有文献中时滞无关的判据相比,具有较小的保守性.最后,通过数值实例验证了所获得结论的有效性.(2)研究了切换中立型Filippov系统的固定时间间歇控制问题.首先,建立了新的半/全间歇型固定时间稳定引理.所建立的半/全间歇型固定时间稳定引理由不定函数和统一指数条件构成,引理允许Lyapunov函数的导数可正可负,减少了过多参数的输入,极大地推广了现有文献中的相关结论.提出了更为广义的切换中立型Filippov系统,通过设计不连续反馈间歇控制策略和有界间歇控制策略,获得了切换中立型Filippov系统零解固定时间稳定的新结果.数值实例结果表明,有界控制策略在缩短收敛时间方面具有更大的优势.(3)研究了切换中立型Filippov系统的预定时间控制问题.建立了半间歇型和全间歇型预定时间稳定新引理,获得了全间歇的间歇区间与预定时间参数有关,而半间歇与预定时间参数无关的新结论,改进了现有文献中的预定时间稳定引理.在半/全间歇时间条件下,通过设计不连续控制策略和有界控制策略,研究了切换中立型Filippov系统零解的预定时间稳定.对于预定时间控制,首次考虑了控制输入的有界性.最后,通过数值仿真,验证了主要结果的正确性.

关键词：中立型Filippov系统切换系统固定时间稳定预定时间稳定间歇控制有界控制自适应控制非颤振控制

基于元学习的植物虫害识别原型网络VGG-ML

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

南京农业大学学报 2024年第2期47卷 392-401页

作者：郭小燕尚皓玺甘肃农业大学信息科学技术学院甘肃兰州730070

[目的]为解决使用深度学习技术对植物虫害识别时依赖大量训练样本的问题,本文基于元学习的思想设计一个VGG原型网络(VGG-meta learning,VGG-ML),用于在小样本背景下植物虫害种类识别。[方法]采用VGG16作为嵌入单元提取虫害样本特征与类... 详细信息

[目的]为解决使用深度学习技术对植物虫害识别时依赖大量训练样本的问题,本文基于元学习的思想设计一个VGG原型网络(VGG-meta learning,VGG-ML),用于在小样本背景下植物虫害种类识别。[方法]采用VGG16作为嵌入单元提取虫害样本特征与类别特征,为提高网络对于新类别的识别能力,采用训练集与测试集异域方式进行模型训练,以解决在小样本情况下植物虫害识别准确率低、新类别虫害无法识别的问题。将测试集划分为支持集(获取类原型)与查询集(样本原型),以欧式距离度量样本原型与类原型之间的相似性,从而判定样本所属类别。[结果]以公开数据集IP102中玉米、甜菜、苜蓿等11种植物的蚜虫、黏虫、跳甲等24类农业虫害图片作为训练数据,以稻纵卷叶螟、稻叶毛虫、亚洲稻螟、稻瘿蚊、稻秆蝇、稻水象甲、稻叶蝉、稻苞虫8类常见的水稻虫害作为测试数据,在5-way、1-shot与5-way、5-shot情况下VGG-ML识别准确率分别为67.98%与81.5%,与原始原型网络相比提高3.53与4.4百分点。5-way、5-shot试验与基于迁移学习的ResNet50与VGG16网络对比,准确率分别提高28.65与25.94百分点。[结论]VGG-ML在进行小样本植物虫害类型识别时有效可靠,可适用于小样本植物识别问题。

关键词：深度学习原型网络植物虫害元学习

基于拍卖商期望收益的多物品网上拍卖机制研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于拍卖商期望收益的多物品网上拍卖机制研究

作者：夏伟麟电子科技大学

学位级别：硕士