K6H2［CoW11TiO40］纳米脂质体复合物的制备及性质研究

制备了包封多酸化合物K6H2[CoW11TiO40] (缩写为CoW11Ti)的纳米脂质体复合物,对其物理化学性质、包封率和含药量、粒度粒径、体外释药量及其体外抗肿瘤活性进行了研究.实验表明,多酸纳米脂质体复合物包封率为45%,含药量为23%,粒径分布在62.2～76.7nm范围内,平均粒径为69.4nm.在4℃可以稳定存在3个月.多酸化合物被包封于纳米脂质体后,活性明显高于原多酸化合物.     

3种食用菌凝集素的纯化和部分生物学活性的比较

柱状田头菇、鲍鱼菇、红菇子实体浸出液经硫酸铵分级沉淀、活性炭柱吸附、DEAE-SepharoseFF离子交换层析及Sephadex G-100分子筛层析,得到纯化的柱状田头菇凝集素(Agrocybe cylindraceaLectin,简称ACL)、鲍鱼菇凝集素(Pleurotus abalonusLectin,简称PAL)、红菇凝集素(Russula depallensLcetin,简称RDL).从纯化结果来看,RDL的纯化倍数及蛋白回收率比ACL和PAL高.ACL和RDL对供试动物的红细胞都有凝集作用,PAL只凝集部分动物红细胞并表现出血型专一性.ACL、RDL和PAL除凝集红细胞外也能凝集动物的其它细胞,但PAL不凝集S180瘤细胞.此外,3种凝集素也能凝集某些微生物,如细菌、放线菌、植物病原菌.凝集结果表明ACL、RDL的凝集活性普遍高于PAL.     

神经网络方法确定玛北油田岩性油藏含油边界

用常规方法确定岩性油藏含油边界需要一定的井孔资料，导致勘探成本较高，为此引入神经网络方法。先对地震资料进行解释，提取地震特性参数，与已知井的试油结果一起组成神经网络的学习样本集，经训练并绘制测线剖面或平面图，最终确定出含油边界。应用该方法对准噶尔盆地玛北油田二叠系乌尔禾组和三叠系百口泉组油藏进行了含油边界的确定，结果表明，用该方法可以直观地在剖面图上确定油藏的含油边界，这样确定的含油边界能够满足储量计算的要求，且该方法较传统方法有很大的优越性。     

文本处理中基于随机映射的加速LSI方法

首先针对在文本处理的高维矢量环境中Kohonen自组织映射神经网络的计算瓶颈问题和输入矢量空间中存在的问题进行分析，然后对随机映射(RM)和隐含语义索引(LSI)方法分别进行理论分析，提出用于文本处理的基于随机映射的加速LSI方法．试验结果表明，加速LSI方法可以在凸现原有语义联系的基础上，低代价、有效、可控地解决上述问题，极大地降低文本处理环境中Kohonen自组织神经网络的规模和计算代价．     

流动性约束对我国农村居民消费行为的影响

引用了Jappelli，Tullio和Marco Pagano（1994）研究流动性约束的模型，并在模型中加入了反映制度变迁因素的解释变量，选择了1987-2001年间我国25个省份农村居民的收支等相关数据，对我国农村居民消费面临的流动性约束程度进行了定量测算，并在对金融市场不完善所带来的流动性约束给农村居民消费行为造成的影响进行分析的基础上，提出了相应的政策建议。     

铁皮石斛生理生化性质的研究

对兰科植物铁皮石斛的生理生化特性进行了研究,并将其与典型的C3 植物大豆、C4 植物玉米、景天酸代谢(CAM)植物仙人掌进行了对比实验 从实验结果来看,铁皮石斛的叶绿素a/b值较低,pH变化与仙人掌非常相似:白天都是从低到高,夜里都是从高到低 有机酸含量有昼夜波动 磷酸烯醇式丙酮酸羧化酶(PEPCase)活性较大豆略高     

白鹭和牛背鹭肠蛋白酶理化特性的研究

对白鹭(Egretta garzetta)和牛背鹭(Bubulcus ibis)雏鸟肠蛋白酶进行研究.两种鹭类的肠蛋白酶存在着许多共同的理化特性,包括分子量(39.4 kD)、等电点(5.4~7.5)、耐热性、抗冻融能力、最适温度(65℃)、最适 pH(9.0 和 8.6)等,而且两种鹭类的肠道蛋白酶对重金属离子Ag+和Hg2+、EDTA、或 Ca2+ 和 Mg2+ 的影响也表现出相同的反应.白鹭和牛背鹭的肠蛋白酶比活力存在着不显著的差异(1.63±0.62SE和 2.21±0.80SE)( 'P>0.05).白鹭和牛背鹭肠道蛋白酶为中性蛋白酶.活性中心的研究表明:两种鹭类的肠道蛋白酶的活性中心都含有色氨酸和丝氨酸残基,但是不含精氨酸、半胱氨酸和氨基,因此,主要为丝氨酸蛋白酶.     

驾驶员眼部状态识别方法的研究

驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶 3种状态下的眼睛张开程度有一定的区别。根据这一特点 ,设计了一种 3层BP网络 ,利用图像预处理获取到的眼部区域特征值作为网络输入向量 ,输出对应 3种不同状态。实验结果表明 ,该网络可快速有效地识别出驾驶员眼部精神状态。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

Hopfield型时滞神经网络模型的K-稳定性

研究具有时滞的Hopfield型神经网络模型｛Cidui(t)/dt=-ui(t)/Ri n↑∑↑j=1～↑Tijfi(uj(t-τ）） Ii，ui（s）=ψi(s),s∈[-τ，0],i=1,2,…，n平衡点的K－全局渐近稳定性与K－全局指数稳定性，通过使用不等式分析技巧和微分方程性质，得到了这类模型K－稳定性的易于验证的时滞相关充分条件，并举例验证其有效性。