摘要：目的:探讨smo siRNA对人食管癌EC9706细胞凋亡及凋亡相关基因bcl-2表达的影响。方法:设计并合成smo siRNA-3,转染食管癌EC9706细胞后,分别采用RT-PCR和Western blot法检测细胞中smo、bcl-2 mRNA和蛋白的表达;采用TUNEL法及流式细胞术检测细胞凋亡,分析凋亡指数(AI)和凋亡细胞比例。以未转染、无关序列siRNA转染和转染试剂的细胞作对照。结果:与各对照组相比,smo siRNA-3转染细胞24、48和72 h后EC9706细胞中smo、bcl-2 mRNA的表达均明显降低(P<0.05),以转染72 h降低最显著(P<0.05)。与各对照组相比,smo siRNA-3转染72 h后细胞中smo、bcl-2蛋白的表达均明显降低(F=151.310、143.190,P<0.001),AI增加(F=66.270,P<0.001),早期和晚期凋亡细胞比例均增加(F=101.100、334.990,P<0.001)。结论:smo siRNA可能通过抑制细胞中smo基因表达,进而下调bcl-2表达,促进EC9706细胞凋亡。

摘要：二阶工作集选择的smo(顺序最小优化)算法是目前SVM(支持向量机)求解的高效率方法,然而实践中发现smo算法在训练过程中依然存在训练时间过长的问题.针对这一问题,提出·一种目标函数值辅助的smo改进算法,算法首先设计了目标函数值随训练迭代次数变化的经验性实验.经验性实验结果表明,该变化呈铰链函数形态,在一定的迭代次数后目标函数值在很长的一段时间里变化甚微,甚至出现微小的升降波动现象.基于上述实验结果,改进算法跟踪目标函数值的变化,待训练进入目标函数值变化曲线对应的水平区域后就终止算法.改进算法测试及k-CV实验表明,其在保证改进前预测能力的前提下,可以使训练效率提高至少20%.测试及k-CV(k分组的交叉验证)实验表明,改进算法能够保持改进前的预测能力.

摘要：通过预测控制算法对风力机变桨距系统进行调节,风力机非线性模型采用支持矢量回归(SVR)算法进行拟合。考虑实运转风力机模型的变化,通过改进的序列最小优化(smo)代替原增量SVR的凸二次规划算法,并用偶然点排除和模型储存复用等新方法,有效缩短在线运算时间,实现了改进型增量学习算法的在线辨识。此外,由于电液比例变桨距执行机构的差动回路设计和风力负载的单方向性,造成桨叶顺桨和逆桨时系统模型并不一致,本研究的预测控制过程采用双模型切换。整个算法在变桨距风力机半物理仿真试验台上进行试验,当风速高于额定风速时,与常规的PID控制和单模型SVR预测控制相比,发电机输出最大功率误差分别从约9％和10％降低到3％左右。

摘要：为了能高效判断驾驶员是否进入疲劳状态,文章基于机器视觉的实时驾驶员疲劳检测算法,提出一种驾驶员疲劳状态实时检测技术。该技术采用smo(序列最小优化)算法快速检测视频中人的脸部特征,检测人眼开合度的疲劳状态,并且采用CNN卷积神经网络结构进行训练测试。实验结果表明,该方法可以高效地检测出驾驶员的疲劳状态,通过发出警告声提示驾驶员休息,从而减少因疲劳驾驶造成的交通安全事故。

摘要：为解决现有永磁同步电机(PMSM)控制系统体积大、设计成本高、系统可靠性低等问题,基于滑模观测器(smo)原理,研究一种煤矿PMSM多参数精准控制方法,构建了PMSM控制系统模型,并利用MATLAB软件进行了仿真分析。结果表明,基于smo变结构控制方法,可以在指定的范围内快速地追踪转子所在的具体位置,从而保证PMSM无传感器磁场定向控制水平。

摘要：模特是一个短暂的行业,很多模特会选择转型,她们有的做了设计师,有的做了自己的品牌,而有些,则是选择了自己做培训机构,利用自己的经验,来帮助那些更多有模特梦想的男孩女孩,实现自己的目标.本期《时尚北京》杂志,特别专访smo创始人、中国首席职业时装模特姚阳,超模学院发起人、超模那广子,由她们和读者分享自己的经验与故事.

摘要：“每个人的心里都有一座仅仅由差异构成的城市”。——卡尔维诺继smoORE簕竹角工业园改造后,厘米制造最新在深圳宝安东财工业区完成了smoORE总部工业园区设计项目,以及即将完成的流塘工业园,这一系列“都市边园”的工业园区改造建筑是厘米制造过去三年里实践的主要类型。结合近些年对都市边缘更新的探索,在从城中村到城市工厂语境转换中,都市边缘升级改造类型发展出了更契合城市更新的场所关系与形式语汇,这些都在smoORE改造项目中得到了不同程度的呈现。

摘要：移动办公是"后PC时代"最为典型的办公模式,利用手机、平板等设备作为移动信息化的载体,采用Hybrid、Web页面析构、HTML5、Web Service接口、页面缓存等技术建立移动设备与企业软件应用的互联,通过smo(Smart Mobile Office:智能移动办公)平台帮助企业摆脱时间和场所局限,随时进行随身化的公司管理和沟通,有效提高管理效率,推动了政府和企业效益增长。

摘要：针对基于GPU和MPI并行的支持向量机(SVM)算法不适合于云计算环境,设计了一种基于多级SVM的并行支持向量机模型,实现了云计算环境下的序列最小优化(smo)的并行算法。该算法通过MapReduce系统将大规模训练数据集划分为若干小训练集,再由这些小训练集开发多级的SVM,最后收集每一个SVM最优超平面附近的样本数据来训练另一个新的SVM。实验结果表明,该算法在时间消耗与分类正确率等综合方面比单机算法和传统并行算法获得更好的效果。