摘要：邻域拓扑是提高人工蜂群算法性能的一种有效手段.然而,现有相关工作主要是在种群层次上实现了单一邻域拓扑,这种方式忽略了不同类型的邻域拓扑能优势互补,使得算法性能还有一定局限性.为此,本文结合强化学习,提出在个体层次上实现多邻域拓扑。将种群中的个体视作智能体,设计了基于邻域拓扑的状态和动作,选用4种不同特征的邻域拓扑用于构建邻域候选池,之后采用Q-learning方法根据个体的奖励情况为其自适应选择不同的邻域拓扑.该方式相对于现有的单一邻域拓扑,更能充分发挥不同邻域信息对算法搜索的引导作用.在CEC2013和CEC2017两套测试集以及两个实际优化问题上进行了大量实验,与4种邻域相关ABC和4种知名改进ABC进行了性能对比,结果表明该算法的收敛精度和速度均有更好表现,可有效增强邻域人工蜂群算法的性能.

摘要：本文首先对一维时滞Fisher方程建立了保非负性的DuFort-Frankel差分格式。运用数学归纳法证明了当网格比r_(x)=(ε△t)/h^(2)_(x)≤1/2时,它的数值解大于或者等于零.这里ε,△t和h分别是扩散系数,时间和空间方向上的网格步长其次,运用截断技巧修正由保非负性的Du FortFrankel差分格式获得的数值解,从而设计了一类既保非负性又保最大界的差分方法.运用数学归纳法证明了当r_(x)≤1/2时,它的数值解落在区间[0,1]内.运用能量分析法,我们证明这两类方法在最大范数下均有O(△t+(△t/h_(x))^(2)+h^(2)_(x))的收敛阶.再次,类似地,我们对二维问题建立了保非负性的Du Fort-Frankel差分格式和既保非负性又保最大界的差分法,及其理论.最后,数值结果验证了理论的正确性和新算法的高效性。

摘要：为了解决传统Barker码脉冲压缩技术受脉冲功率放大器额定参数(占空比,最大脉冲宽度等)限制而导致的脉冲压缩效果下降、检测速度降低等问题,提出一种基于Barker码脉冲压缩技术的多阵元Lamb波电磁超声换能器(EMAT)。建立了基于tone-burst信号激励-Barker码脉冲压缩技术的多阵元Lamb波EMAT检测过程的有限元模型,分析了永磁体的配置形式、阵元序列长度、激励信号周期数、曲折线圈匝数等因素对脉冲压缩后的主旁瓣比和主瓣宽度的影响,并进行了实验验证。结果表明:曲折线圈匝数为4和Barker码序列长度为13位的多阵元EMAT在配置3对外置永磁体后,其信噪比(SNR)可提高9.8 dB。综合考虑检测回波的空间分辨率和SNR,多阵元Lamb波EMAT最佳参数为:曲折线圈匝数为10、激励信号周期数为11、Barker序列为13位,并配置3对外置永磁体。

摘要：非接触式传感器相比接触式触觉传感器可以避免与物体直接接触过程中产生的噪声,因而能够获取更有价值的原始数据表征物体内在属性;然而针对非接触式传感器感知的物体属性数据而言,现有算法难以实现单样本学习下的物体准确识别.为解决这一问题,本文提出一种新颖的单样本学习下时序约束稀疏表示方法(one-shot learning with temporally constrained sparse representation,OSLTCSR)用于识别5种不同材料下的50个物体类别.首先将两种原始数据(Lumini光谱和SCiO光谱)并行投影至共享子空间,并且使用聚类典型关联分析法(cluster canonical correlation analysis,C-CCA)计算两种原始数据的聚类相关性特征;其次通过稀疏表示分别计算得到聚类相关性特征数据以及原始数据的编码向量,并利用原始数据的编码向量对相关性特征数据的编码向量进行二次投影映射;然后将两次映射后的原始数据和相关性特征数据进行重构,以充分耦合化两种光谱数据,解决了单样本学习下的数据稀缺问题;进一步地,设计新颖的时序约束稀疏表示方法计算重构后的原始数据和相关性特征数据,以充分考虑每个光谱序列的时序特征;最后与最新的物体识别方法进行实验对比,结果表明提出的OSL-TCSR方法提高了单样本学习情况下的物体识别结果.此外,OSL-TCSR还可灵活迁移至多种应用场景,比如材料识别或纹理识别等.

摘要：随着现代药物研究的不断深入,传统计算机模拟已经不能满足未来药物设计实验的需求。分子模拟作为传统计算机模拟的经典技术之一,可以构造分析复杂的分子模型,研究分子运动的动态过程,但模拟结果受人为因素影响大,准确度较低。近年来,人工智能与分子模拟技术的融合成为药物设计研究的新方法。人工智能技术利用大数据筛选出对应的化合物进行分子模拟,并将模拟结果反馈给人工智能系统进行学习,不断优化人工神经网络。联用人工智能与分子模拟技术,提高了药物设计研究的效率,降低了人为因素对模拟结果的影响,增加了模拟结果的可信度。该文总结了当前国内外应用人工智能和分子模拟技术进行药物设计的研究成果,以期为未来药物研发从计算机辅助药物设计(CADD)向人工智能辅助药物研发(AIDD)的转变提供参考。

摘要：多梳抑制性去泛素化酶(polycomb repressive deubiquitinase,PR-DUB)复合物是多梳蛋白家族的成员之一,通过调节组蛋白修饰参与染色体的表观遗传修饰。多梳抑制性复合物1(polycomb repressive complex 1,PRC1)和PR-DUB复合物通过对H2AK119Ub泛素化与去泛素化修饰调控平衡,保护活性基因免受异常沉默,去泛素化功能与促进基因活化和建立转录允许的染色质状态有关,除此之外还激活增强子并促进双链断裂处DNA损伤修复。附加性梳样1(additional sex comb-like1,ASXL1)作为表观遗传支架组装染色质修饰复合物和转录因子参与表观遗传调控。BRCA1相关蛋白1(BRCA1-associated protein 1,BAP1)作为去泛素化酶去除底物的泛素化修饰。PR-DUB复合物由核心二聚体和其他辅助因子组成,BAP1与ASXL1形成核心二聚体,其他亚基相互作用调节PR-DUB复合物靶向和功能。ASXL1和BAP1是与PR-DUB复合物去泛素化功能最相关的2个亚基,ASXL1的DEUBAD结构域激活BAP1发挥去泛素化作用水解H2AK119Ub1。了解ASXL1和BAP1的结构以及相互作用机制对研究PR-DUB复合物特异性去泛素化作用的机制至关重要。在人类中,PR-DUB复合物成分的突变经常引起多种血液肿瘤。ASXL 1基因突变常导致蛋白质翻译提前结束,大部分是由于C末端PHD结构域缺失导致。目前认为,PR-DUB复合物中突变的ASXL1或BAP1、表观遗传因子以及Akt/mTOR等靶点或信号通路相互作用是促进血液肿瘤发生发展的可能机制。这对于针对潜在的治疗靶点研究开发新的特异性靶向治疗药物至关重要。本文将介绍PR-DUB复合物的结构与功能、作用机制及其在血液肿瘤疾病中的发生,重点就ASXL1和BAP1进行综述,并系统总结了潜在的靶向治疗药物,以期为PR-DUB复合物在血液疾病防治中的研究提供科学参考。

摘要：从流体力学的角度来对驱动器内部气压分布进行分析,利用长波近似的方法将气动网格软体驱动器简化成弹性直管道,推导出驱动器内部流体流动控制方程,得到驱动器内部气压、轴向位置与时间之间的关系,并通过实验验证了控制方程的准确性。根据管径越小流阻越大的特性,设计了一种气道半径渐变的三关节仿生手指,实现三关节仿生手指在单气源输入下的依次顺序弯曲,简化了气压驱动的控制方式。

摘要：针对刚性挡土墙主动位移过程中砂土非极限主动土压力问题,利用PFC 2D分别对挡土墙绕墙顶转动(RB)模式、绕墙顶转动(RT)模式和平动(T)模式下砂土主动破坏过程进行模拟分析。分析结果表明,不同位移模式下土体内摩擦角及墙土摩擦角调动规律存在差异。挡土墙主动位移过程中,RB模式下土体破坏从墙顶开始,向墙脚发展,土楔体内部只有靠近墙背侧区域出现主应力偏转现象,并且土楔体中内摩擦角调动值均能达到极限值。RT模式下,土体破坏沿着墙背和滑裂面从墙脚开始,向土体表面发展,墙后土楔体中上部区域主应力偏转角度较大,形成了大主应力拱,与此对应的是该区域内摩擦角调动值相对初始内摩擦角减小。T模式下,土体破坏分别沿着墙背从墙顶向墙脚发展以及沿着滑裂面从墙脚向土体表面发展,墙后土楔体内部会出现小主应力拱,且内摩擦角调动值从初始内摩擦角增加,但达不到极限值。

摘要：目的采用干法压制包衣法制备黄芩苷结肠靶向片。方法根据单因素考察结果,以结肠靶向片的释药时滞和8 h累积释放度为指标,采用Box-Behnken响应面法对结肠靶向片的包衣处方进行优化。通过体外释放研究,优选包衣处方并评价其结肠靶向性。通过DDSolver软件进行释药模型拟合。结果确定最佳的包衣处方为包衣增重110 mg,微晶纤维素和乳糖比例1∶2,瓜尔胶和填充剂比例1∶1,制备的包衣片释药时滞约6.5 h,在人工胃液和小肠液中均无释放,8 h累积释放度可达90%。黄芩苷结肠靶向片的体外释放度拟合度顺序为Logistic模型>Korsmeyer-Peppas模型>Higuch模型,Logistic模型的拟优合度(Rsqr_adj)为0.9999,拟合度(AIC)为10.9742,因此该结肠靶向片的释药机制为S型的溶蚀过程。结论按Box-Behnken响应面法优选处方制备的黄芩苷压制包衣结肠靶向片,符合结肠靶向制剂的释药标准。

摘要：雨天等恶劣天气将造成图像质量的严重退化,进而影响计算机视觉算法的准确性.为了更好地提取多尺度雨痕特征,恢复图像含有的重要细节信息,提出一种基于多分辨率上下文聚合网络的单幅图像去雨方法.首先利用混洗操作将单一分辨率输入图像转化为多空间分辨率的输入图像,在低空间分辨率中使网络迅速扩大接受场,而在高空间分辨率下提取更加精细的雨痕特征,并将低分辨率提取的雨痕特征自上而下地聚合到高空间分辨率中,引导网络提取多尺度雨痕信息;然后采用多分辨率特征增强块细化不同分辨率下图像的细节,防止去雨图像中的细节损失或模糊,利用局部残差密集连接和挤压-激励网络增强网络的特征提取能力和效率;最后采用构造的混合损失函数,在获取较高评价指标数值的同时提高人类对去雨图像的视觉感知.实验结果表明,所提方法在Rain100H,Rain100L, Rain12合成数据集和真实雨数据集上取得显著的去雨效果,与现有方法比较,该方法的定性指标和定量指标得到明显提升,具有较高的细节保持度.