HEp-2细胞MPM-2磷蛋白的蛋白质组学分析

MPM-2磷蛋白家族成员在有丝分裂进程中起着重要作用．为了从MPM-2磷蛋白家族层面入手研究细胞周期调控中磷蛋白的重要作用，以人上皮样喉癌细胞株HEp-2为细胞模型，运用双向电泳、免疫印迹以及质谱技术等蛋白质组学的方法对其细胞抽提物中的部分MPM-2磷蛋白进行了分析鉴定，初步确定了乙二醛酶(GlyoxalaseⅠ)、真核翻译起始因子(eIF4B)以及核质蛋白NPM等MPM-2特异识别的细胞磷蛋白，这将有助于进一步研究MPM2磷蛋白家族成员在细胞周期调控中的重要作用．     

希尔伯特变换器优化设计研究

提出了一种基于神经网络算法的希尔伯特变换器优化设计方法，证明了神经网络算法的收敛性，提出了希尔伯特变换器的优化设计实例。仿真结果表明了该网络模型是高效的神经网络模型。     

Co2+离子在CsMgCl3晶体中的g因子和超精细结构常数研究

用基团模型的3d^7离子在三角对称下的高阶微扰公式计算了CsMgCl3晶体中Co^2＋杂质中心的g因子g∥,g⊥和超精细结构常数A∥和A⊥。计算中，不仅考虑了基态和激发态间的组态相互作用效应，而且考虑了3d^7离子d轨道与配体p轨道之间的共价效应，与这两种效应相关的参数可由所研究晶体的光谱和结构数据得到。在考虑了键长与键角的微弱畸变后，理论计算值与实验观测值符合较好。     

溶胶凝胶法制备三维规则排列大孔TiO2材料

以聚苯乙烯微球 (LatexSphere)离心后形成的三维规则排列的胶晶 (colloidcrystal)作模板 ,用钛酸丁酯、水、乙醇等配制的溶胶填充微球之间的间隙 ,然后原位形成凝胶 ,最后通过焙烧除去微球得到三维规则排列大孔TiO2 材料 (3DOM)。溶胶的浓度一般控制在 0 5～ 1 0md/L之间。焙烧过程的升温速度应控制在 5℃ /min以下。得到的样品表面可观察到五颜六色的彩光。从SEM照片可观察到 ,球形孔大小均匀 ,排列整齐 ,孔壁填充完全。孔径在 5 30nm左右 ,孔的排列呈面心立方结构 ,孔与孔之间由小孔窗相互交连。XRD表明孔壁含有锐钛矿和金红石两种晶型 ,2种晶型质量分数大约各占 5 0 %。     

新型固体酸SO_4~(2-)MoO_3-TiO_2催化合成苹果酯

自制了一种新固体酸催化剂SO2 -4MoO3 -TiO2 ,FT -IR谱图表明 ,催化剂表面具有强酸中心 ,该催化剂对苹果酯合成的活性高 ,并得到该反应的优化条件如下 :乙酰乙酸乙酯 0 .3mol,乙二醇 0 .6mol,环己烷 30ml,催化剂 3g ,反应温度 110℃ ,反应时间 1.5h ,在此条件下 ,苹果酯产率达 90 % ,且催化剂易回收 ,具有较好的重复使用性能     

基于RBF网络的增量学习

提出了一种基于径向网络的增量学习算法 ,在对新样本进行学习时 ,通过恢复受干扰样本的方式来尽可能保持已有的知识不变 .模拟实验证明了本算法的正确性和有效性 .     

首次公开发行股票(IPO)定价模型的评析

对首次公开发行股票定价的三种模型的假设条件、应用优势和局限性进行了评估.     

一种扩展的3-2-1组合夹具定位方法

针对孔系基础板组合夹具定位方案的确定问题，提出了一种扩展的3—2—1的设计方法，介绍了该方法的基本原理，给出了全部设计公式．利用该方法可以自动确定由直线和圆弧组成定位边界的工件的全部可能定位方案．     

基于神经网络的建筑行业投标报价研究

在建筑行业的投标报价过程中，如何在众多的信息中选出对最终报价影响较大的几项因素以及如何确定这些因素与最终报价之间的关系是一个棘手的问题．论文针对这两大难题提出了基于神经网络技术的解决方法．首先根据贡献变量分析理论确定出影响报价结果的9个报价因素，从而建立起基于神经网络的报价模型，然后在所确定模型的基础上改进传统的BP算法，进一步提高网络的泛化能力．从实际应用的结果可以看出，经过变量选择后所确定的报价因素是合理的，改进学习算法后的网络的泛化能力也有了很大的提高．     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.