基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

建筑工业化发展的多群体演化博弈与仿真研究

新型建筑工业化具有高质量、低消耗、可循环发展等特征，其推广已上升到国家战略层面。利用演化博弈方法，建立“政府-开发商-银行” 的三方动态演化博弈模型，进行各博弈主体策略的演化稳定性分析，并针对初始状态、奖惩力度、借贷风险和开发成本等对演化结果的影响进行动态仿真。在此基础上， 考虑开发商群体的网络拓扑特征对演化真实性的影响，引入复杂网络理论， 以无标度网络为载体描述开发商个体的连接偏好和决策机制，构建政府监管下的建筑工业化扩散模型，并通过仿真深入研究相关因素对扩散深度的影响作用，最后结合仿真结果给出相应对策建议。     

基于离线参数调整的古籍图像二值化算法

古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法。算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置。所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性。     

雪菊精油对希氏肠球菌产酪胺及相关基因表达的影响

探讨不同质量浓度雪菊精油对希氏肠球菌（Enterococcus hirae）N47产酪胺的影响机制。利用反转录实时定量聚合酶链式反应分析E. hirae在雪菊精油作用下酪氨酸脱羧途径相关基因的表达情况；利用高效液相色谱法检测不同质量浓度雪菊精油对E. hirae产酪胺的影响。并将E. hirae接入到含不同质量浓度雪菊精油的熏马肠中发酵，评估香肠pH值、菌落总数和酪胺积累量。结果表明：在E. hirae纯培养体系和熏马肠体系中，雪菊精油通过抑制微生物的生长和酪氨酸脱羧途径中tyr DC、tyr P基因的表达，降低酪胺的积累量（P＜0.05）。当雪菊精油添加量为1/2最小抑菌浓度（minimal inhibitory concentration，MIC）和MIC时，熏马肠中酪胺的含量分别为78.52 mg/kg和45.83 mg/kg，较对照组分别减少了64.72%和79.41%。     

基于乙酰胆碱酯酶和氧化应激研究海胆酮对阿尔茨海默症的作用机制

海胆酮是一种酮式类胡萝卜素，主要从海胆及藻类等海洋生物中提取。本文研究海胆酮对乙酰胆碱酯酶（acetylcholinesterase，AChE）的抑制作用，应用酶动力学、荧光光谱、圆二色光谱和分子对接技术研究海胆酮对AChE的抑制机理，并用淀粉样β蛋白片段25～35（amyloid beta-peptide 25-35，Aβ25-35）诱导大鼠肾上腺嗜铬细胞瘤细胞（PC12细胞）建立阿尔茨海默症（Alzheimer’s disease，AD）模型，研究海胆酮对AD细胞模型氧化应激损伤的作用。结果表明，海胆酮有很强的AChE抑制活性，其半抑制质量浓度为（16.29±0.97）μg/mL，抑制常数Ki为3.82 μg/mL，表现为竞争性抑制；海胆酮可诱导AChE二级结构改变，更容易与AChE活性中心氨基酸Ser200、His440、Trp84和Tyr121结合，阻碍底物碘代硫代乙酰胆碱（acetylthiocholine iodide，ATCI）与酶结合，从而引起酶活力降低。海胆酮能有效抑制Aβ25-35诱导PC12细胞的AChE活力，降低丙二醛含量，增加超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶活力，减轻Aβ25-35诱导的PC12细胞氧化应激损伤。本研究基于AChE和氧化应激阐明了海胆酮对AD的潜在作用机制，为海胆酮在功能食品、生物医药等领域的应用提供了数据支持和理论根据。     

基于改进残差特征蒸馏的轻量级超分辨率网络

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。     

大豆蛋白纳米纤维对铁纳米颗粒的稳态化作用

为明确大豆蛋白纳米纤维的结构形成和扩宽铁强化剂的食品工业应用，以大豆分离蛋白（soy protein isolate，SPI）为原料，通过5 h的酸热处理制备纳米纤维（soy protein isolate fibrils，Fib SPI），系统研究纤维形成前后蛋白结构的变化，并进一步制备铁纳米颗粒（iron nanoparticles，Fe NPs），探究Fib SPI对铁的稳态化作用。研究结果表明：在酸热处理过程中，SPI产生大量的β-折叠结构，其与硫磺素T结合，显示出增强的荧光强度；此外，7S组分先发生降解，利于纤维成核形成，随后11S逐渐被水解，促进纤维生长；同时水解产生大量的小肽组分，提高了产物的还原力。研究进一步利用Fib SPI递送铁纳米颗粒（Fe NPs），发现与原始SPI相比，铁纳米颗粒可在Fib SPI原位形成胶体稳定的铁-大豆蛋白纳米纤维复合物（Fe FibSPI），并以Fe（II）形式存在，其对乳液体系色泽及稳定性的影响较硫酸亚铁或氯化铁小。该研究可为构建新型植物基铁强化剂递送体系提供理论和方法指导。