基于危险理论的人工免疫原理与应用*

侧重以危险理论的基本机制为线索,对危险理论的研究现状加以系统论述.首先以危险理论的免疫模型入手,归纳提炼出仿真机理并建立起隐喻算法;介绍其中具有代表性领域中的应用情况;最后对基于危险理论的人工免疫研究的下一步工作进行展望.     

专家系统研究现状与展望*

回顾了专家系统发展的历史和现状.对目前比较成熟的专家系统模型进行分析,指出各自的特点和局限性.最后对专家系统的热点进行展望并介绍了新型专家系统.     

基于认知的人工动物行为记忆研究*

提出并分析比较两种记忆形成算法.二次方差法对已获取的食物点作方差计算,快速剔除距其他点较远的噪声点,获得食物分布的期望位置.改进的均值聚类算法针对二次方差法的不足,借鉴数据挖掘理论,对噪声点进行更准确的剔除.根据不同情况选取适合算法,达到聚焦器在人工动物取食记忆实现中的有效性.     

重力坝弹性参数反演的灵敏度分析及一种新的反演算法

依据结构灵敏度分析理论,采用基于有限单元法的解析灵敏度分析方法,对影响重力坝材料参数反演质量的位移观测点位置进行了研究,得到了坝顶位移最适合于反演大坝弹性模量的结论。同时引入一种新的群集智能优化方法—人工鱼群算法（AFSA）,根据大坝坝顶的增量位移进行混凝土大坝和坝基岩石材料参数的反演。算例分析表明：AFSA能够稳定快速地收敛到所求参数的全局最优值;同时加入不同水平的噪音对该算法的数值稳定性进行了研究,结果表明算法稳定性良好。     

Artificial Intelligence in Aptamer–Target Binding Prediction

Aptamers are short single-stranded DNA, RNA, or synthetic Xeno nucleic acids (XNA) molecules that can interact with corresponding targets with high affinity. Owing to their unique features, including low cost of production, easy chemical modification, high thermal stability, reproducibility, as well as low levels of immunogenicity and toxicity, aptamers can be used as an alternative to antibodies in diagnostics and therapeutics. Systematic evolution of ligands by exponential enrichment (SELEX), an experimental approach for aptamer screening, allows the selection and identification of in vitro aptamers with high affinity and specificity. However, the SELEX process is time consuming and characterization of the representative aptamer candidates from SELEX is rather laborious. Artificial intelligence (AI) could help to rapidly identify the potential aptamer candidates from a vast number of sequences. This review discusses the advancements of AI pipelines/methods, including structure-based and machine/deep learning-based methods, for predicting the binding ability of aptamers to targets. Structure-based methods are the most used in computer-aided drug design. For this part, we review the secondary and tertiary structure prediction methods for aptamers, molecular docking, as well as molecular dynamic simulation methods for aptamer–target binding. We also performed analysis to compare the accuracy of different secondary and tertiary structure prediction methods for aptamers. On the other hand, advanced machine-/deep-learning models have witnessed successes in predicting the binding abilities between targets and ligands in drug discovery and thus potentially offer a robust and accurate approach to predict the binding between aptamers and targets. The research utilizing machine-/deep-learning techniques for prediction of aptamer–target binding is limited currently. Therefore, perspectives for models, algorithms, and implementation strategies of machine/deep learning-based methods are discussed. This review could facilitate the development and application of high-throughput and less laborious in silico methods in aptamer selection and characterization.     

面向配电网电压暂降治理的线路改造优化模型

线路改造是在电网侧进行电压暂降治理的主要方式之一。为了经济、合理地确定线路的改造位置和治理方式,建立了面向配电网电压暂降治理的线路改造优化模型。针对断路器重合闸和熔断器配合保护的配电网,考虑故障位置、故障类型等因素,讨论分析了10种典型的保护动作配合方式,评估了配电网电压暂降持续时间。结合传统电压暂降幅值的计算方法,计算线路改造治理方案的成本及效果。考虑用户电压暂降耐受能力,建立了用户生产中断次数评估模型。定义了电压暂降总支出,以总支出最小为目标,计及技术约束、经济约束、治理范围约束和风险域约束,建立了面向配电网电压暂降治理的线路改造优化模型,并基于人工蜂群算法进行模型求解。以IEEE 33节点系统为算例,考虑治理投资成本充足和不足2种场景,通过仿真验证了所提方法的正确性和实用性。     

基于改进CatBoost的电力系统暂态稳定评估方法

在实际电网的运行过程中,通过同步相量测量单元实时采集到的电网动态参数通常含有部分噪声,且有时会因通信故障造成数值的随机缺失,对基于人工智能的电力系统暂态稳定评估模型造成很大影响.为此,提出一种基于改进CatBoost的暂态稳定评估方法.通过分箱算法对输入特征数据进行离散化处理,提高模型对噪声的鲁棒性;采用加权的焦点损失函数代替交叉熵损失函数,提升模型的可信度并减少模型对失稳样本的漏判;将量测数据部分缺失的样本划分到单独的节点中继续建模,从而充分挖掘不完整样本中的暂态信息.在新英格兰10机39节点上的实验结果表明,所提方法的准确率和查全率均优于其他几类机器学习算法,而且所提方法对噪声和数值缺失表现出良好的鲁棒性且具有较快的训练速度和预测速度.     

CO2腐蚀的神经网络分析

利用神经网络的分析方法 ,对CO2 腐蚀进行分析建模 ,从系统的观点出发 ,建立了碳钢含碳量、CO2 分压、温度、流速与腐蚀速率之间的非线性对应关系 ,为准确的数学建模、预测设备的使用寿命和相关专家系统的研制开拓了新的思路     

基于PFEA、ANN和GA的U形件成形板料形状优化

将参数化网格划分系统ParaMesh和网格模型转换接口程序应用于参数化有限元分析(PFEA)和优化设计之中。通过ParaMesh建立了参数化有限元模型并进行参数化有限元分析。把人工神经网络(ANN)和遗传算法(GA)相结合进行优化设计,研究了U形件翻边成形中的板料形状优化。利用优化的结果值进行验算,获得了良好的成形件,表明基于PFEA、ANN和GA进行成形板料形状优化是可行的。