猪蛔虫抗菌肽Cecropin p基因的克隆及其原核表达载体的构建

从猪蛔虫提取总RNA,反转录成cDNA后分别设计引物对Cecropin 2、Cecropin 3和Cecropin 4基因进行 PCR 扩增,分别得到带有双酶切位点的目的基因片段.将目的基因片段与 PMD18 T 载体连接,转化Top10克隆菌,测序正确后克隆入 pET28a 表达载体,进行双酶切和测序鉴定.研究结果表明,克隆得到的Cecropin p2、 Cecropin p3和Cecropin p4基因均由225个碱基组成,一个编码由74个氨基酸残基组成的开放阅读框,其蛋白相对分子质量约为8 kD,等电点分别为9.86、10.16和9.16.同源性分析结果显示:克隆所得猪蛔虫Cecropin p2、 Cecropin p3和Cecropin p4与数据库NCBI中的猪蛔虫Cecropin p2、Cecropin p3和Cecropin p4基因同源性均为100;,与其它Cecropin p基因同源性也较高(>42;).分子进化树显示, Cecropin p4的分化出现最早,其次为Cecropin p2, Cecropin p1和Cecropin p3分化得最晚.成功克隆了猪蛔虫Cecropin 2、Cecropin 3和Cecropin 4基因,构建了它们的原核表达载体并进行了生物信息学分析,为其重组表达和抑菌活性鉴定等研究奠定了理论基础.     

标签带噪声数据的重加权半监督分类方法

对于仅有部分数据带标签且标签含有噪声的二分类问题,提出了一类基于重要性重加权的半监督分类算法,借助贝叶斯公式和无约束最小二乘拟合进行标签噪声率的估计,并由此利用BP神经网络逐步求解带权的优化问题,在多个标准数据集上的实验结果表明,本文提出重加权的半监督分类方法,能有效地降低标签不足以及标签噪声对分类准确率的影响.     

胶囊网络下基于三元损失的图像相似性学习

学习细粒度图像相似性是机器学习中一项富有挑战性的任务,尤其是相似性很高的同类图像.本文提出了基于三元损失函数和胶囊网络的图像相似性学习方法,三元损失能够反映图像之间的"相对"相似性,而胶囊网络比普通深度学习网络具有更优的图像特征提取能力,将两者有机结合在一起形成的新型网络能够很好地完成图像相似度的学习任务.实验结果表明,本文提出的新方法相比于一般的深度学习方法,准确率有很大地提高.     

基于Lipschitz常数约束的胶囊网络鲁棒性增强

为了提升胶囊神经网络的对抗鲁棒性，本文提出了基于Lipschitz常数约束的正则化方法，利用对抗训练方法来得到更加鲁棒的胶囊网络，将改进后的模型命名为Lips-CapsNet。相比较其它模型而言，Lips-CapsNet计算简便，不需要对胶囊网络的结构做出任何改变。实验结果显示，模型在MNIST、SVHN等数据集上实现了鲁棒性的提升，尤其是在Fashion-MNIST数据集上，在较强的攻击算法下，对抗样本的预测精度提升可达8%。