排序方式: 共有116条查询结果,搜索用时 76 毫秒
41.
《传感器与微系统》2019,(5):55-58
将二茂铁和巯基修饰的脱氧核糖核酸(DNA)探针通过自组装的方式固定到金电极表面,以二茂铁作为电子介体构建电化学DNA传感器,利用杂化前后DNA传感器所展现出峰电流的差异,实现对目标DNA的定量检测。通过研究DNA杂化前后方波伏安法的扫描频率与二茂铁电子介体传输速率关系,优化扫描频率。结果表明:当扫描频率200 Hz时,目标DNA浓度在5. 0×10~(-9)~1. 0×10~(-7)mol/L范围内,峰电流的变化与目标DNA浓度呈线性关系,线性拟合方程式为ΔI_P/I_0(%)=0. 760 95+0. 610 65 c,检测限为1. 7×10~(-9)mol/L(S/N=3)。 相似文献
42.
《传感器与微系统》2019,(6):75-78
使用还原氧化石墨烯(rGO)制备一种简单、快速和可重复方法构建DNA生物传感器。将带负电的氧化石墨烯(GO)与半胱氨酸上带正电的氨基基团通过静电作用相互吸附,用线性扫描伏安法(LSV)电化学还原电极表面吸附的GO。将二茂铁标记的DNA(Fc-DNA)探针固定到r GO表面,成功构建DNA传感器。传感器的制备过程使用循环伏安法和拉曼光谱表征。通过杂化前后DNA传感器所展现出方波信号峰电流的差异,实现对目标DNA的定量检测。实验结果表明:目标DNA浓度在1. 0×10~(-13)~1. 0×10~(-6)mol/L范围内,峰电流变化与目标DNA浓度呈线性关系,线性相关系数为0. 981,检测限是2. 0×10~(-13)mol/L (S/N=3)。 相似文献
43.
修正线性单元做为深层神经网络的激活函数,常被用来处理复杂的函数来提高深层神经网络的建模能力。针对传统修正线性单元提出一种新的激活函数——Tanh ReLU,Tanh ReLU在修正线性单元的基础上为其添加一个负值和边界值,同时保证Tanh ReLU函数在原点处相切,以此克服由于修正线性单元激活函数非零均值激活、极大输出值和原点处不连续的缺点而损害网络的生成。将此新的激活函数应用于MNIST手写数据分类实验以验证其建立的深层神经网络的性能;同时针对网络中不同的超参数的选择,来进一步验证Tanh ReLU对于提高深层神经网络模型性能的影响。实验结果表明:与修正线性单元相比,Tanh ReLU建立的深层神经网络得到了更好的分类结果,实现了提高深层神经网络分类性能的目的。 相似文献
44.
45.
采用示差扫描量热分析(DSC)研究了(Zr47Cu44Al9)98. 5Si1. 5非晶合金的等温晶化行为,利用Johnson-Mehl-Avrami(JMA)方程分析其等温晶化动力学。结果表明:随着等温温度升高,Avrami指数n逐渐增大,其数值由758 K时的1. 05增大到773 K时的2. 94,表明晶化过程主要受扩散控制的形核率随时间延续而减少的形核与长大支配。随着n变化,形核速率和长大方式发生改变。基于Arrhenius公式计算得到平均晶化激活能,为351 kJ/mol。晶化激活能与等温晶化体积分数密切相关。 相似文献
46.
基于LBP-TOP、HOG-TOP、HIGO-TOP特征描述子的微表情识别方法通常提取到的特征向量维度较高,计算复杂度较大,运行时间较长,识别准确率较低。为此,提出一种基于信息增量(IG)特征选择的识别方法。运用IG特征选择方法对高维度特征向量进行降维,提高识别效率。运用支持向量机分类器的线性核、卡方核、直方图交叉核进行留一交叉验证,以完成分类任务。在SMIC和CASME2数据集上进行实验,结果表明,经IG选择后,特征向量在2个数据集上的识别准确率分别达到76.22%和73.68%,分类所需时间分别缩短为原方法的3.67%和3.64%,验证了该方法的有效性。 相似文献
47.
利用一步高压烧结方法制备了CoSbS_(1-x)Se_x基固溶体合金,测试并分析了其结构和热电性能。结果表明,高压能够加快反应速率,快速制备出单相CoSbS化合物;加入少量Se能够同步优化3个热电参数:即提高Seebeck系数,降低电阻率和热导率。在673 K时,CoSbS_(0.8)Se_(0.2)具有最大的品质因子ZT~0.25,约为母体材料CoSbS的4倍,而且在相同温度条件下高压合成样品的ZT远高于传统方法(固相反应结合放电等离子体烧结)制备CoSbS_(1-x)Se_x的数值。这些结果表明,高压方法是制备CoSbS基热电材料的一种有效方法。 相似文献
48.
针对频率随时间的变化规律是不同调制信号之间最重要的区别,提出一种结合崔 威廉斯分布和改进卷积神经网络模型的无线电调制分类识别方法。在信号预处理阶段,为了更好保留信号的时频特征,引入崔-威廉斯变换将原始时间序列转换成时频图像,进而将调制信号分类问题转化成图像识别问题。在信号识别阶段,通过在卷积神经网络模型中引入残差密集块和全局平均池化层,以克服卷积神经网络模型泛化能力差和训练时间久等缺点。实验结果表明,所提方法可以有效解决梯度消失问题,具有识别率高、泛化能力强等优点。尤其是在低信噪比情况下,表现更为优异,在信噪比为-4 dB时,8种信号的分类精度便可达到100%。 相似文献
49.
心电图(Electrocardiogram,ECG)心拍分类是心律失常诊断的重要步骤,为了准确检测心律失常类型,提出了一种利用改进的残差网络进行ECG分类的算法.首先使用CEEMDAN-改进小波阈值算法去除心电信号中的噪声,然后构建改进残差网络实现对ECG的分类,在该改进残差网络中,首先将传统深度残差网络中的卷积层、池化层替换成Inception模块,从而提取不同尺度的特征;然后设计了残差嵌套网络,实现了ECG信号不同层次的特征融合,最后采用Softmax分类器进行分类.将该模型在MIT-BIH数据库进行训练和验证,结果表明,所提出的网络模型具有较高的分类准确率. 相似文献
50.
为解决图像增强中对比度提高与噪声抑制的矛盾,本文提出了一种基于双域分解的图像增强算法,同步实现图像对比度提高与噪声抑制.文中详述了空域分解、分层图像空域增强与变换域降噪、分层图像合成三个主要环节的原理、方法.首先,高斯滤波器将图像分解为基础层和细节层,实现对比度提高与噪声抑制的解耦合;其次,带校正功能的单尺度Retinex和硬阈值收缩的非下采样剪切波降噪算法同步实现基础层的增强和细节层的降噪;最后,分层图像合成、灰度数值延展和微分算子强化,实现合成图像的灰度延展与细节加强,确保增强图像的颜色均匀、细节突出.实验表明,本文算法提高图像对比度和抑制噪声的性能优于其他九种算法. 相似文献