检索结果-内蒙古大学图书馆

铁道科学与工程学报 2025年第1期22卷 136-145页

作者：陈春俊江浩林梦西南交通大学机械工程学院四川成都610031 轨道交通运维技术与装备四川省重点实验室四川成都610031

稳定车是一种大型轨道交通运维装备,通过稳定作业来提高有砟轨道的道床横向阻力,但是无法在线检测作业下的道床横向阻力。为探究稳定车作业下道床横向阻力的在线检测方法,在有砟轨道线路上开展现场试验,获取稳定作业参数及稳定装置横向... 详细信息

稳定车是一种大型轨道交通运维装备,通过稳定作业来提高有砟轨道的道床横向阻力,但是无法在线检测作业下的道床横向阻力。为探究稳定车作业下道床横向阻力的在线检测方法,在有砟轨道线路上开展现场试验,获取稳定作业参数及稳定装置横向加速度的在线信号,作业前后离线检测道床横向阻力。采用与轨枕纵向间距等长度的空间窗截取在线信号,使得在线测试结果与作业后道床横向阻力离线测试结果相匹配。采用灰色关联度分析法评估稳定作业试验数据与作业后道床横向阻力的相关性,提取出稳定车作业下道床横向阻力的特征参数。根据试验数据集,确定RBF神经网络模型的结构,并采用PSO算法优化RBF神经网络模型的参数,进而对比PSO-RBF模型和RBF模型对于道床横向阻力的计算误差。结果表明:稳定车作业时,激振频率、走行速度、左下压力、右下压力、稳定装置横向加速度与作业后道床横向阻力之间的灰色关联度分别为0.68、0.64、0.70、0.70和0.71,在线特征参数可以反映出离线的道床横向阻力特性。在测试集验证中,相较于RBF模型,PSO-RBF模型的最大绝对误差降低54.12%,平均绝对误差降低47.30%,均方根误差降低44.21%,拟合优度由0.90提高到0.97,PSO算法的引入提高了道床横向阻力模型的计算精度。研究成果可为稳定车作业下道床横向阻力的在线检测提供理论依据,推进轨道交通运维技术的智能化发展。

关键词：稳定车道床横向阻力 RBF神经网络粒子群优化灰色关联度

来源：评论

学校读者我要写书评

暂无评论

基于遗传和引导聚集算法优化支持向量机的白酒基酒品质评估方法

引用

食品科学 2025年第6期46卷 275-284页

作者：庞婷婷张贵宇刘科材李晓平庹先国彭英杰曾祥林四川轻化工大学人工智能四川省重点实验室四川宜宾644000 四川轻化工大学自动化与信息工程学院四川宜宾644000 四川轻化工大学酿酒生物技术及应用四川省重点实验室四川宜宾644000 四川轻化工大学中国轻工业酿酒生物技术及智能制造重点实验室四川宜宾644000 四川轻化工大学工程实践中心四川宜宾644000 四川轻化工大学计算机科学与工程学院四川宜宾644000

基酒组分具有复杂多样性,为提高其等级分类预测模型的精度和泛化能力,在基酒气相色谱-质谱数据基础上设计评价模型,提出一种结合遗传算法(genetic algorithm,GA)和引导聚集算法(Bootstrap aggregating,Bagging)优化支持向量机(support v... 详细信息

基酒组分具有复杂多样性,为提高其等级分类预测模型的精度和泛化能力,在基酒气相色谱-质谱数据基础上设计评价模型,提出一种结合遗传算法(genetic algorithm,GA)和引导聚集算法(Bootstrap aggregating,Bagging)优化支持向量机(support vector machine,SVM)分类器的方法,以解决单一SVM分类器在分类精度和泛化能力的不足。研究使用Spearman相关性筛选了36种关键物质,选择核主成分分析法提取了12个核主成分,并使累计贡献率达到96.06%,将其作为模型输入。选择性能最优的径向基核函数支持向量机,使用对数据多样性适应较强的并行计算Bagging集成算法,构建Bagging-SVM分类器进行基酒等级分类,最后,通过GA优化Bagging-SVM分类器的参数(C、γ、N),构建GA-Bagging-SVM模型。结果显示,GA-Bagging-SVM模型的准确率、精确度、召回率、F1-Score分别为96.77%、96.90%、96.77%、96.78%,优于Bagging-SVM和SVM模型,相比单一SVM模型提升了6.45%、5.61%、6.45%、6.42%,比Bagging-SVM模型提升了3.22%、2.29%、3.22%和3.15%。该方法可作为白酒基酒品质评估模型的优化方法。

关键词：基酒支持向量机引导聚集算法遗传算法分类预测

来源：评论

学校读者我要写书评

暂无评论

面向云边个性化模型解耦的聚类联邦学习方法

引用

计算机学报 2025年第2期48卷 407-432页

作者：杜甜陈星延寇纲赵宇许长桥西南财经大学金融智能与金融工程四川省重点实验室成都 611130 西南财经大学金融智能与金融工程四川省重点实验室成都 611130 西南财经大学计算机与人工智能学院成都 611130 北京邮电大学网络与交换技术全国重点实验室北京 100876

联邦学习是一种前沿的分布式学习范式,该技术允许多个边缘客户端协作训练全局模型,而无需客户端共享数据至中央服务器,有效缓解了深度模型训练的"数据孤岛"和数据隐私安全问题.生成式人工智能的发展推动了更大规模的模型和数... 详细信息

联邦学习是一种前沿的分布式学习范式,该技术允许多个边缘客户端协作训练全局模型,而无需客户端共享数据至中央服务器,有效缓解了深度模型训练的"数据孤岛"和数据隐私安全问题.生成式人工智能的发展推动了更大规模的模型和数据集应用,加剧了联邦学习所面临的现实挑战,特别是由客户端本地数据高度异构导致的训练效率低和通信成本高等问题.本文提出了一种基于云边模型解耦的联邦学习创新框架,FedCPMD,该框架通过为客户端动态选择最优个性化层来应对数据异质性.动机实验表明,具有异构数据分布的客户端在选用不同神经网络层作为个性化层时,其性能存在明显差异.基于此,本文设计了一种逐层知识化表征方法,通过独立量化每一层神经网络对最终模型效果的影响,实现对个性化层的选择.FedCPMD还引入了一种基于知识表征的客户端聚类策略,通过将具有相同选层结果的客户端聚类到同一集群,来提升异构联邦学习的模型性能.本文在九个真实数据集上开展实验,结果表明与现有十余种先进方案相比,FedCPMD具有明显优势.针对CIFAR100、CINIC10、SVHN和Tiny ImageNet等复杂数据集,FedCPMD在LeNet5架构上的准确率平均提升2.450%(α=0.1),在VGG11架构上平均提升3.963%(α=0.1).

关键词：聚类个性化联邦学习模型解耦云边系统绿色通信

来源：评论

学校读者我要写书评

暂无评论

猪肠道真菌的组成及其潜在的健康和营养学意义

引用

动物营养学报 2025年第4期37卷 2134-2141页

作者：黄双梅罗玉衡四川农业大学动物营养研究所农业农村部动物抗病营养与饲料重点实验室动物抗病营养教育部、四川省重点实验室动物营养与饲料工程四川省高校重点实验室动物抗病营养生物技术教育部工程研究中心成都611130

猪等单胃动物肠道微生物由细菌、真菌、古菌和病毒等组成,其中真菌占比不足0.1%,在过去研究中常被忽略。然而,近年研究表明,肠道真菌与宿主肠道屏障功能维持、肠道免疫反应和后肠微生物发酵密切相关;且单个真菌细胞体积约为单个细菌的10... 详细信息

猪等单胃动物肠道微生物由细菌、真菌、古菌和病毒等组成,其中真菌占比不足0.1%,在过去研究中常被忽略。然而,近年研究表明,肠道真菌与宿主肠道屏障功能维持、肠道免疫反应和后肠微生物发酵密切相关;且单个真菌细胞体积约为单个细菌的100倍,可编码大量功能酶,在一定程度上影响宿主营养物质代谢和机体健康。因此,真菌是单胃动物肠道微生物组不可忽视的一类重要成员。然而迄今为止,猪等单胃动物肠道真菌的相关研究仍然匮乏,限制了对肠道微生物组整体功能的理解。本文围绕猪肠道真菌的组成、影响因素及其对宿主健康和养分消化吸收的影响进行了全面综述,以期为进一步解析猪肠道真菌的生物学功能提供思路。

关键词：猪肠道真菌组成功能

来源：评论

学校读者我要写书评

暂无评论

一种压缩感知测量矩阵的联合优化算法

引用

西南交通大学学报 2025年第2期60卷 454-461页

作者：杨柳白朝元范平志西南交通大学信息科学与技术学院四川成都611756 西南交通大学四川省信息编码与传输重点实验室四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756

对于压缩感知算法,其测量矩阵与稀疏基之间的相关性往往决定了信号恢复精度.为提升大规模通信场景下压缩感知算法重构信号的性能,基于矩阵分解与等角紧框架理论对测量矩阵进行改进.首先,基于测量矩阵和稀疏基构造字典矩阵,并进一步构造G... 详细信息

对于压缩感知算法,其测量矩阵与稀疏基之间的相关性往往决定了信号恢复精度.为提升大规模通信场景下压缩感知算法重构信号的性能,基于矩阵分解与等角紧框架理论对测量矩阵进行改进.首先,基于测量矩阵和稀疏基构造字典矩阵,并进一步构造Gram矩阵,利用特征值分解降低Gram矩阵的平均相关性;然后,基于等角紧框架理论与梯度缩减理论,通过使Gram矩阵逼近等角紧框架矩阵来减小Gram矩阵非主对角线元素的最大值,从而降低测量矩阵与稀疏基之间的最大相关性;最后,以正交匹配追踪(orthogonal matching pursuit,OMP)为重构算法进行仿真验证.仿真结果表明:相比于优化前,矩阵相关系数降低40%~50%;在信道估计与活跃用户检测中,本文在较高稀疏度下的算法错误估计数比其他优化算法降低50%以上,信道估计的均方误差相比其他矩阵提升3 dB,误码率性能提升2 dB.

关键词：压缩感知矩阵分解等角紧框架理论信道估计活跃用户检测

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的PCB缺陷检测算法研究综述

引用

计算机科学与探索 2025年第4期19卷 901-915页

作者：杨思念曹立佳杨洋郭川东四川轻化工大学计算机科学与工程学院四川宜宾644000 人工智能四川省重点实验室四川宜宾644000 企业信息化与物联网测控技术四川省高校重点实验室四川宜宾644000 四川轻化工大学自动化与信息工程学院四川宜宾644000

印刷电路板(PCB)作为电子产品的核心组成部分,其质量直接影响产品的可靠性。随着电子产品朝着更轻、更薄、更精密的方向发展,基于机器视觉的PCB缺陷检测面临诸如微小缺陷难以检测等挑战。为深入研究PCB缺陷检测技术,根据其发展历程对各... 详细信息

印刷电路板(PCB)作为电子产品的核心组成部分,其质量直接影响产品的可靠性。随着电子产品朝着更轻、更薄、更精密的方向发展,基于机器视觉的PCB缺陷检测面临诸如微小缺陷难以检测等挑战。为深入研究PCB缺陷检测技术,根据其发展历程对各阶段的算法进行了详细探讨。指出了该领域面临的主要挑战,并介绍了传统PCB缺陷检测方法及其局限性。从传统机器学习和深度学习两个角度系统回顾了近几年PCB缺陷检测所采用的方法及其优缺点。对PCB缺陷检测算法常用的评价指标和主流数据集进行了归纳,并对近三年在PCB-Defect、DeePPCB和HRIPCB三个数据集上的最新研究方法进行了性能比较,分析了产生差异化的原因。基于当前现状和亟待解决的问题,对未来的发展趋势进行了展望。

关键词：印刷电路板(PCB) 缺陷检测机器视觉机器学习深度学习

来源：评论

学校读者我要写书评

暂无评论

基于法线引导的结冰模型激光条纹中心线提取

引用

激光与光电子学进展 2025年第2期62卷 177-187页

作者：宋涛刘桂华黄会明龚云鑫钦付平谢昊西南科技大学信息工程学院四川绵阳621010 特殊环境机器人技术四川省重点实验室四川绵阳621010

在结冰模型的三维测量系统中,激光条纹中心线的准确提取是实现结冰模型高精度三维测量的关键。针对激光在冰体表面严重渗光导致中心线提取精度差的问题,提出一种基于法线引导的冰体表面激光条纹中心线提取算法,从而降低冰体渗光干扰,提... 详细信息

在结冰模型的三维测量系统中,激光条纹中心线的准确提取是实现结冰模型高精度三维测量的关键。针对激光在冰体表面严重渗光导致中心线提取精度差的问题,提出一种基于法线引导的冰体表面激光条纹中心线提取算法,从而降低冰体渗光干扰,提高激光条纹中心线提取精度。首先获取激光条纹与干扰光斑轮廓并基于轮廓形态排除干扰光斑,同时结合改进的边界阈值跟踪算法与灰度重心法对激光中心线进行粗定位;然后使用主成分分析法(PCA)求取粗定位所得激光中心线法线;最后在法线方向上进行双线性插值并结合灰度重心法求取高精度亚像素中心点坐标。在霜冰表面进行了充分实验,结果表明,所提激光中心线提取算法测量精度为0.035 mm,比Steger算法提高了5.487倍,提取速度提高了6.578倍。

关键词：结冰测量线结构光主成分分析灰度重心边界跟踪光斑中图分类号TP391

来源：评论

学校读者我要写书评

暂无评论

九龙牦牛ELOVL3基因克隆、真核表达载体构建及组织表达谱分析

引用

华北农学报 2025年第02期 201-209页

作者：司比努尔·牙生江者玉琦钟金城武志娟柴志欣青藏高原动物遗传资源保护与利用四川省重点实验室四川省青藏高原草食家畜工程技术中心

极长链脂肪酸延伸酶3(ELOVL3)主要参与合成极长链脂肪酸(VLCFA),在脂肪酸代谢过程中扮演重要角色。旨为克隆九龙牦牛ELOVL3基因的蛋白编码序列，构建ELOVL3基因真核表达载体，并预测分析其生物学功能，通过PCR技术扩增九龙牦牛ELOVL3基... 详细信息

极长链脂肪酸延伸酶3(ELOVL3)主要参与合成极长链脂肪酸(VLCFA),在脂肪酸代谢过程中扮演重要角色。旨为克隆九龙牦牛ELOVL3基因的蛋白编码序列，构建ELOVL3基因真核表达载体，并预测分析其生物学功能，通过PCR技术扩增九龙牦牛ELOVL3基因的CDS区序列，并通过同源重组将其插入到pcDNA3.1载体中以构建重组质粒。采用限制性酶切及PCR技术验证重组质粒，结合测序结果，利用在线预测软件分析其蛋白编码序列的生物学功能。另外，针对ELOVL3基因在mRNA水平和蛋白水平的表达量，进行qPCR和Western Blot检测。结果表明：九龙牦牛ELOVL3基因的蛋白编码序列全长813 bp,共编码270个氨基酸；酶切、PCR及测序鉴定，确认成功构建pcDNA3.1-ELOVL3真核表达载体。生物信息学分析结果显示，ELOVL3基因编码蛋白属于疏水性蛋白，共有6个跨膜结构域及27个磷酸化位点。系统发育树显示，与九龙牦牛亲缘关系最近的是普通牛，最远的是原鸡。此外，ELOVL3基因在九龙牦牛肺脏组织中表达量最高。

关键词：牦牛 ELOVL3基因基因克隆真核表达载体构建

来源：评论

学校读者我要写书评

暂无评论

德尔布有孢圆酵母对苹果酒发酵过程风味物质合成的影响

引用

食品工业科技 2025年第1期46卷 283-291页

作者：肖子一赵玉川罗玲黄丹罗惠波李子健四川轻化工大学生物工程学院四川自贡643000 四川化工职业技术学院四川泸州646300 酿酒生物技术及应用四川省重点实验室四川自贡643000

本研究利用德尔布有孢圆酵母(Torulasporadelbrueckii)与酿酒酵母(Saccharomycescerevisiae)进行苹果酒发酵实验,通过比较混合发酵与酿酒酵母单独发酵过程中有机酸以及挥发性风味物质差异,探究德尔布有孢圆酵母对苹果酒风味物质合成的... 详细信息

本研究利用德尔布有孢圆酵母(Torulasporadelbrueckii)与酿酒酵母(Saccharomycescerevisiae)进行苹果酒发酵实验,通过比较混合发酵与酿酒酵母单独发酵过程中有机酸以及挥发性风味物质差异,探究德尔布有孢圆酵母对苹果酒风味物质合成的影响。结果表明,德尔布有孢圆酵母显著提高了苹果酒中草酸(+0.077 g/L)、乙酸(+1.68 g/L)、L-乳酸(+0.83 g/L)以及琥珀酸(+0.45 g/L)的含量(P<0.01),并减少了苹果酒中高级醇的数量。共现网络分析显示德尔布有孢圆酵母的加入增强了挥发性风味物质合成的稳定性。此外,混合发酵显著提升了苯乙醇、苯甲醛、乙酸苯乙酯、辛酸、己酸等11种挥发性风味物质含量,有助于凸显苹果酒中苹果特征香、花果香,增强蜜甜感。基于差异风味物质通路富集结果,德尔布有孢圆酵母可赋予发酵体系更强的原料利用能力,糖类物质的转化能力以及风味物质合成能力。研究结果表明该菌株有着优异的混合发酵性能,为其在苹果酒酿造中进一步利用提供了依据。

关键词：苹果酒德尔布有孢圆酵母酿酒酵母混合发酵风味物质

来源：评论

学校读者我要写书评

暂无评论

胶原纤维基气凝胶的可控制备及其对氰化氢的吸附研究

引用

皮革科学与工程 2025年第3期35卷 11-16,24页

作者：杨本刚赵志鹏施丰成郝柏村叶留志郑婉黄鑫卷烟减害降焦四川省重点实验室四川成都610011 四川大学制革清洁技术国家工程实验室四川成都610065 四川大学皮革化学与工程教育部重点实验室四川成都610065

氰化氢(HCN)是一种剧毒物质,若不经妥善处理排放到大气中将对环境和人体造成巨大威胁。利用胶原纤维(CFs)为基材,以羧甲基纤维素钠(CMC)和聚乙烯亚胺(PEI)为粘接剂和表面修饰剂,通过冷冻干燥法制备了新型胶原纤维基气凝胶,用于对HCN的... 详细信息

氰化氢(HCN)是一种剧毒物质,若不经妥善处理排放到大气中将对环境和人体造成巨大威胁。利用胶原纤维(CFs)为基材,以羧甲基纤维素钠(CMC)和聚乙烯亚胺(PEI)为粘接剂和表面修饰剂,通过冷冻干燥法制备了新型胶原纤维基气凝胶,用于对HCN的吸附去除。CFs具有独特的两亲性,可通过自组装形成超分子网络结构,CMC和PEI作为粘接剂可强化所形成的三维网络结构,同时PEI提供了丰富的碱性氨基功能团,可作为吸附位点与弱酸性HCN反应,从而实现对其的高效吸附。实验结果表明,通过PEI用量的改变可有效调控所制备的气凝胶的孔道结构,孔隙率最高可达92.56%,将该材料用于HCN的吸附,HCN降低率最高可达50.55%,压降低至184.3 Pa。

关键词：氰化氢胶原纤维气凝胶吸附吸附材料

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：