基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

StyS激酶自磷酸化对Pseudomonas putida B3中靛蓝生物合成的调节作用

在恶臭假单胞菌Pseudomonas putida B3中,靛蓝生物合成关键酶基因styAB上游存在一个二元调控系统StyS-StyR。StyS蛋白属于激酶家族,是磷酸化信号转导的重要媒介,但激酶StyS的自磷酸化传导机制对靛蓝生物合成的调节作用尚未探明,因此,研究以Pseudomonas putida B3中激酶蛋白StyS作为研究对象,发现了两个磷酸化结合位点,构建了磷酸化位点突变株。通过分析野生菌株P. putida B3、styS基因缺失菌株P. putida B3-ΔstyS、styS基因回补菌株P. putida B3-ΔstyS-8和磷酸化位点突变株P. putida B3-ΔstyS-1之间的靛蓝产量及酶活发现,P. putida B3产量为10.14mg/L,P. putida B3-ΔstyS-8产量为3.63mg/L,磷酸化位点突变菌株无激酶活性且失去了产生靛蓝的能力。结果表明,StyS自磷酸化作用在靛蓝发酵体系中起重要作用。研究结果将为靛蓝生物合成途径的进一步研究提供参考。     

四川盆地碳酸盐岩源岩气地质特征与勘探前景

充分利用露头、岩芯、岩屑等原始样品，通过薄片观察、物性分析、扫描电镜、X射线衍射及同位素分析等实验方法，结合测井资料、地震剖面解释等进行研究，从碳酸盐岩源岩气地球化学评价参数和指标厘定入手，以南川区带高产稳产气藏为实例，深入解剖四川盆地茅口组一段碳酸盐岩源岩的岩矿、物性、电性、含气性及生烃潜力，探讨了表生沉积环境、早期成岩作用等因素对碳酸盐岩源岩气储层的影响，尤其是富镁黏土矿物黑滑石在碳酸盐岩中有机质富集、碳酸盐岩气成生和聚集的积极作用，进一步明确气藏高产稳产的主控因素，落实“甜点段”的特征和分布，指明了该领域勘探开发的前景。     

Exendin-4螺旋结构对生物活性及稳定性的影响

针对Exendin-4的螺旋结构特点, 采用去掉螺旋序列、 用3个连续Ala替换螺旋以及Gln13替换为Tyr13的方式对N端α-螺旋及C端α-螺旋进行改造, 设计出4个结构模拟物. 通过圆二光谱和荧光光谱进行结构分析, 结合模拟物生物活性实验, 分析Exendin-4螺旋结构与生物活性的关系. 结果表明：  Exendin-4的N端螺旋比C端螺旋对生物活性影响更大； 在抗二肽基肽酶（DPPⅣ酶）的稳定性实验中, C端螺旋比N端螺旋具有更好维系Exendin-4稳定性的作用； 螺旋结构中Tyr13可作为提高Exendin-4生物活性的重要优化位点.     

基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.