CdTe/CdS 量子点在Nafion/羟基磷灰石膜上的电化学发光及其应用于肌红蛋白的高灵敏检测

利用羟基磷灰石(HAp)和Nafion将CdTe/CdS量子点(QDs)修饰到玻碳电极表面,研究了固定在复合膜内的CdTe/CdS量子点的电化学发光行为。相比水溶液中的量子点在裸电极上的电化学发光,CdTe/CdS修饰到复合膜内后的电化学发光更加稳定,且发光强度增加数十倍。在pH为6.5的磷酸盐缓冲溶液(PBS)中,以三丙胺(TPrA)为共反应物,基于肌红蛋白(Mb)能有效地猝灭量子点的电化学发光(ECL)强度,建立了一种灵敏度较高的检测Mb的新方法,同时我们探讨了Mb猝灭QDs电化学发光的可能机理。实验结果表明,Mb浓度在0.59 nmol/L～10.59 nmol/L范围内,分析信号lg(I0-I)/I与肌红蛋白浓度的对数lg[CMb]有良好的线性关系,检出限为0.12 nmol/L(S/N=3)。  

基于DBN的软件可靠性预测模型的研究

安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。本文将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SA-DFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。