禽流感病毒HSNl血凝素基因和神经氨酸酶基因在真核酵母菌中的表达毒

目的克隆、表达和鉴定禽流感病毒HSNI血凝素基因(hemaggludnin,HA)和神经氨酸酶基因(neuramidinase,NA) 序列,为制备抗体和基因T程疫苗打下基础。方法在成功克隆禽流感病毒H5NI全长HA、NA基因并测序的基础 上。将部分基因序列克隆到表达载体pMET A上,构建了重组表达质粒pMET A／HA(49一l 587 bp)、pMET A／NA (121—1 200 bp),电转化真核酵母菌pMADl6,甲醇诱导表达,利用Ni“亲和层析柱对重组蛋白进行纯化,并用 Western Blotting和ELISA方法检测其抗原性。结果重组蛋白在酵母菌中可以高效表达,SDS—PAGE显示蛋白表 达后形成了二聚体,蛋白纯度占总蛋白的95％以上,ELISA和Western Blotting实验证实,重组蛋白具有良好的抗原 性。结论本研究成功克隆和表达了禽流感病毒H5NI HA、NA基因序列,为禽流感病毒H5N1诊断试剂和疫苗的 开发等进一步的研究提供了依据。     

基于改进的卷积神经网络图像识别方法

当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法。传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强。最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长。针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度。将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析。结果表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考。     

防腐涂料导热率对片式散热器散热能力影响的数值计算

利用Fluent仿真软件研究片式散热器防腐涂层的导热率对片式散热器散热能力的影响。研究结果表明:在其他结构、参数相同的情况下,较小的防腐涂层导热率使得散热器的散热性能显著下降。提高防腐涂层的导热率可以实现在减小风机功率或减少散热片个数的同时保证散热效果,有利于实现变压器的节能和小型化设计。利用数值模拟软件对片式散热器内部的温度场分布进行了研究,研究结果可为变压器片式散热器的优化设计提供参考。     

3-羟基-5-烯-7-取代含氮胆甾烷化合物的合成

从胆甾醇出发,通过3-羟基保护、三氧化铬氧化、7-羰基的官能团转换和3-位羟基去保护,合成得到五个3-羟基-5-烯-7-取代含氮甾体化合物,它们分别为：3-羟基-胆甾-5-烯-7-甲氧肟醚（5）、3-羟基-胆甾-5-烯-7-苄氧肟醚（6）、3-羟基-胆甾-5-烯-7-氨基硫腙（10）、3-羟基-胆甾-5-烯-7-氨基腙（11）和3-羟基-胆甾-5-烯-7-腙（12）。     

基于STC15F2K60S2的便携式低频信号发生器设计

设计了低频信号发生器,通过按键输入或Pc机串口命令输入控制信号类型、频率、幅值,采用TLC5615输出相应的波形,以240％128图形点阵液晶显示。采用C语言编程,可实现正弦波,三角波,锯齿波和方波四种波形的产生,波形无失真,频率准确。     

4株根瘤菌菌株与热研5号柱花草共生最适钼浓度研究

采用砂培的方法,设7个钼水平,4个菌株,通过对株高增加、地上部产量、植株氮含量、根瘤数和固氮酶活性的测定及综合分析,确定使热研5号柱花草接种不同根瘤菌菌株达到最佳促生性能的钼浓度.结果表明：高浓度钼不利于产量的增加,缺钼不利于氮含量的增加;经主因子分析,热研5号柱花草接种LZ3-2的最适钼浓度为1 500 mg·L－1, 接种菌株RJS9-2及不接种的最适钼浓度为1 000～1 500 mg·L－1,接种菌株YM11-1最适钼浓度为500～1 500 mg·L－1;接种菌株PN13-3最适钼浓度为2 000 mg·L－1.     

基于改进 LeNet-5 网络的交通标志识别方法

针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输入批量样本进行规范化处理;同时改用性能更好的Relu激活函数,并使用全局池化层代替全连接层,合理改变卷积核的大小和数目。研究结果表明,改进LeNet-5网络能够有效解决过拟合和梯度消失等问题,具有较好的鲁棒性;网络识别率达到98. 5%以上,相比CNN (convolutional neural network)+SVM (support vector machine)提高了约5%,比传统的LeNet-5网络提高了3%。可见,改进后的LeNet-5网络图像识别的准确率得到显著提高。