生物系统建模中参数估计的测量集选择——以信号转导通路模型研究为例(英文)

生物系统模型通常具有很高的维数,测量数据不完备、易受噪声污染,而且生物实验成本高,所以参数估计已经成为生物系统建模的挑战性问题之一.参数的精确估计取决于测量数据的数量和质量,因此,通过优化实验设计确定如何采集测量数据是非常重要的.针对动态系统的参数估计问题,尤其是生物反应系统,提出了一种确定富含信息的测量集选择方法,通过从设计的实验中获得测量数据,以最佳的统计质量估计系统的未知参数.该方法首先利用矩阵论的系统分析来确定估计参数所必需的测量状态的数目,再通过基于Fisher信息阵的优化实验设计决定每个测量状态的优先等级.最后,以信号转导通路模型为例,解释了该方法的优势和适用性.     

基于LHS方法NF-KB信号转导网络的多参数敏感性分析

细胞信号转导网络的复杂结构和动力学参数的不确定影响着系统的动态特性,如何定量确定参数变化对系统输出的影响,已经成为系统生物学研究的重要问题之一．以TNF-α诱导NF—kB信号转导网络为例,假定模型参数在其变化范围服从均匀分布,采用基于Latin超立方抽样的多参数敏感性分析方法,研究参数同时变化对系统输出NF—kBn的影响程度．仿真结果表明,系统输出NF—kBn对于参数k29、k28、k61、k36、k52,K31比较敏感,这些参数的变化显著影响着NF—kBn的振荡特性,说明它们是NF—kB信号转导网络的关键速率常数．     

基于PCA-NARX的锂离子电池剩余使用寿命预测

目前基于数据驱动的锂离子电池RUL预测方法不能较好地适应于同类型不同电池的RUL预测,且预测精度易受健康因子冗余或不足的影响.针对以上问题,提出一种结合主成分分析（PCA）特征融合与非线性自回归（NARX）神经网络的锂离子电池RUL间接预测框架.首先提取多个能反映电池性能退化的可测参数,并将PCA去除冗余后的结果作为预测健康因子;然后利用一组电池的全寿命数据构建基于NARX神经网络的健康因子和容量预测模型,对同类型不同电池预测时将该电池寿命前期健康因子作为输入,即可间接预测出其RUL.最后实验结果表明所提框架在同类型不同电池RUL的预测中精度较高且适应性较强.      

基于GrabCut分割和自动采样的敦煌壁画色彩修复

在充分考虑敦煌壁画自身颜色复杂、线条富于变化以及很难找到质地相近的源图像等因素的基础上,首次采用GrabCut分割算法对颜料化学反应而引起色变的敦煌壁画进行分割和自动采样色彩传递将其修复.在具体操作中,首先采用GrabCut分割算法将色变敦煌壁画中变色和褪色区域进行分割,然后从壁画未色变的区域中采取样本块作为源图,并将其色彩传递分割图.实验结果表明:将GrabCut分割算法和自动采样色彩传递技术相结合的方法适合于色变敦煌壁画的修复,且修复结果令人满意.     

基于自适应观测器的线性离散系统故障诊断

为诊断线性离散系统中的故障,提出了基于状态估计的自适应观测器故障诊断方法。利用基于Lyapunov函数的自适应观测器构造残差信号,设计了观测器增益矩阵和故障估计值的自适应调节规律。保证Lyapunov函数的一阶导数为负,所提出的自适应调整律能够实现观测器稳定和故障估计误差收敛。仿真结果表明,该方法可以及时检测系统故障,且能够诊断故障大小。     

大学生的自杀心理分析与防范措施

本文结合大学生自杀实例,分析自杀的心理及产生变态心理的因素,提出了对大学生自杀行为的一些防范措施。     

敦煌壁画数字图像修复中遇到的挑战

数字图像修复技术是指针对数字图像中损失或者损坏的部分,利用未被损坏的图像信息,按照一定规则填补,使得修复后的图像接近或达到原图的视觉效果.图像修复技术的本质是对视觉认知过程的学习、理解以及再现.文章从视觉心理学角度进行分析,基于视觉认知修复规律,提出各种假设限定来解决问题.在敦煌壁画的修复中,周边信息是模糊的、不可信的,直接面对的是前后景难于区分,破损、模糊、噪声、色变同时存在.由于这种缺损图像周围信息不充分的情况下,导致图像修复是一个病态的问题,人们无法从退化图像中获取原始图像,因此,使得该领域的研究十分困难.     

信号通路模型参数优化的非线性滤波方法

提出采用非线性滤波方法--平方根UKF估计信号通路模型的未知参数,利用协方差平方根代替协方差参加递推运算,保证了滤波算法的数值稳定性.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,利用平方根UKF对系统模型的未知参数进行辨识.仿真结果表明,该非线性滤波方法能够从噪声数据中提取有效信号,提高了参数估计的精度,为解决复杂信号通路参数辨识中的不确定性问题提供了可靠的方法.