蛋白质自组装研究进展

在生物体内，大多数蛋白质通过非共价相互作用以有序组织的自组装形式发挥作用。受大自然启发，人工设计蛋白质自组装正如火如荼的展开。近二十年来，蛋白质自组装领域快速发展，成功构建了各式各样，具有广泛结构和功能特性的蛋白质组装体。文章总结了用于调控蛋白质自组装的设计策略和工具，以及构建蛋白质组装体的最新进展，并描述了这些组装体的自然属性和功能。     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

可自修复的高延性混凝土(ECC)在机场道面的适用性分析

在飞机荷载与环境荷载长期共同作用下,机场道面易出现裂缝、接缝和竖向位移类病害,使运营阶段维修成本高.提出将具有自修复功能的高延性水泥基材料(ECC)用于机场道面,以控制裂缝发展、实现无缝连接;并利用ECC因二次反应而使微裂缝愈合的特性,减少路面维护工作,延长使用寿命.通过试验手段研究了ECC材料应用于机场道面的力学行为、自修复行为和早期开裂潜能.试验结果表明:机场道面用ECC材料在拉伸荷载作用下,其拉伸应变可达3.67％(约为普遍混凝土的400倍);在弯曲荷载作用下,其竖向弯曲变形可达6.33 mm;抗压强度与弯曲强度分别为43.9 MPa和12.68 MPa,可满足机场道面的使用要求.在受约束条件下,ECC表现出较低的早期开裂潜能.由于自修复能力,裂损ECC的拉伸刚度、拉伸应变与拉伸强度几乎可恢复至未裂时的程度;其水渗透系数随自修复进程逐渐降低,最终达到未裂时的渗透水平.研究结果表明ECC材料用于无缝机场道面具有较高适用性.     

自供电旋转轴系监测系统设计

针对旋转轴系监测系统中传感器相关电路需要外部电能输入的问题,设计了一种基于自供电轴系的监测系统.基于电磁感应原理设计自供电系统结构,给出理论模型,设计整流稳压电路,测试数据测量模块和无线传输模块.结果表明:在不同转速下,该旋转轴系监测系统可以在无须外界电能输入的情况下,将轴系参数发送至上位机.测试数据符合实际值,可以实现旋转轴系监测系统的自供电.     

自媒体时代青少年价值观研究述评

随着信息技术的不断发展和媒介形态的变革,以因特网、QQ、微信、微博、博客等为代表的自媒体应运而生。自媒体以即时性、互动性、个性化、娱乐性和碎片化的传播特点深受广大青少年的喜爱,影响其信息获取、生活方式、思维习惯、人际交往等众多方面。近年来自媒体时代青少年价值观的研究成果,主要集中在青少年价值观的概念、研究现状,自媒体对青少年价值观的影响,青少年价值观的引导路径等,有所局限和偏颇。应拓展研究思路,更新研究方法,以期取得更大成效。     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用"测量不确定度的标准指南"(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。