基于位点特异性打分矩阵的卷积神经网络预测SARS-CoV-2核衣壳蛋白的蛋白质二级结构

新型冠状病毒(SARS-CoV-2)有4种关键的结构蛋白,而核衣壳蛋白就是其中的1种.本实验从公开数据库NCBI上选取的SARS-CoV-2核衣壳蛋白质序列数据,分析SARS-CoV-2核衣壳蛋白与SARS-CoV核衣壳蛋白的序列相似性,对SARS-CoV-2核衣壳蛋白的理化性质和疏水性进行分析;在此基础上提出基于位点特异性打分矩阵的卷积神经网络,预测SARS-CoV-2核衣壳蛋白的8类蛋白质二级结构.研究结果表明,核衣壳蛋白的二级结构主要为无规卷曲,此结果可为抗病毒药物的研发与新型冠状病毒肺炎的诊断提供参考.     

基于区域变换的人脸融合改进算法

针对人脸融合过程中出现的侧面图像无法正常融合及肤色融合的问题,利用TP-GAN神经网络源图像人脸的倾角对目标图像人脸进行变换和生成,保证源与目标图像人脸倾角的一致性,同时在生成过程中引入对抗损失与对称损失统一性保留的损失组合,保证生成人脸图像的身份判别稳定.选取了Multi-Pie人脸数据集进行实验,实验表明:加入TP-GAN网络后,相对于传统的人脸融合算法在人脸多角度融合问题方面得到了有效的提高,解决了目标人脸图像为侧面图时无法完美融合的问题.     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

基于三阶泰勒展开逼近目标函数的无约束最优化算法

针对基于二阶泰勒展开逼近目标函数精度低的牛顿法优化问题,研究基于三阶泰勒展开逼近目标函数的最优化算法意义明确,算法归结为多元二次方程组的求解,应用非线性方程组的牛顿法求解,在目标函数中加入二次函数辅助项,提出两个改进的最优化算法,改进的算法1可保证牛顿法的雅可比矩阵非奇异,改进的算法2可保证牛顿法的雅可比矩阵正定,所提出的无约束最优化算法可推广到高阶泰勒展开情形,数值分析例验证了所提出的最优化算法的有效性.     

航天器抗辐射等效试验评估建模

针对当前多组源X射线辐射地面模拟试验无法进行的问题, 提出一种单组源X射线辐射等效优化方法, 用来指导等效单组源X射线辐射地面模拟试验中多因素值的确定。首先, 利用克里金模型和层次高斯过程模型等两种数据融合建模方法, 分别构建对应的单组源X射线辐射地面模拟试验数据融合模型。然后, 分别在克里金模型和层次高斯过程模型的基础上, 提出期望提高等效优化算法和层次期望提高等效优化算法。通过对两种优化算法的对比分析可知, 层次期望提高等效优化算法在搜索中包含更多不确定性, 全局搜索效果更佳。仿真结果表明，所提方法可为后续进行等效单组源X射线辐射地面模拟试验提供目标指导。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

动车组进站过程精准停车控制方法研究

通过分析高速动车组进站停车过程中制动力与速度之间的关系,构建动车组多质点动力学模型。由于制动停车后期产生空气制动力过程给系统带来延时影响,引入Smith预估器,采用基于RBF(Radial Basis Function)神经网络的PID控制策略与Smith预估器相结合,实现制动过程中对给定速度的跟踪控制。仿真分析表明:该混合控制器控制的列车速度与设定速度的误差小于±1 km/h,停车误差小于±0.3 m,可满足进站制动停车的要求。     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。