基于PXI的长时间低零漂斩波式积分器

为了避免传统模拟积分器积分电容泄漏,减小简单数字式积分器前端模拟器件的固有噪声及A/D的量化等误差,设计了基于PXI的长时间低零漂斩波式积分器系统。该系统由PXI机箱、数据采集卡和前端信号处理模块组成硬件平台,对信号进行调理和采集,采样率达到200 kS/s,LabVIEW语言和RTX实时系统构成软件设计平台,对信号进行积分、实时扣除零漂等软处理。通过对系统的测试,此积分器有效地降低了零点漂移,比传统模拟、数字积分器具有更加优越的性能。     

基于神经网络的多叉系统进化树构造

力求解决困扰传统进化树构造中只能生成二叉树、精度低和Tie Tree的问题.采用自组织神经网络对序列进行分类,生成进化树过程中允许扩展当前非叶子节点,并通过设置适当的参数优化进化树的分层.使用此方法,获得了精度更高的多叉进化树,表明基于神经网络的方法对解决进化树构造中的问题是有效的.     

图结构表示下的药物数据增强方法

小样本数据会导致机器学习模型出现过拟合问题，而药物研发中的数据往往都具有小样本特性，这极大地限制了机器学习技术在该领域的应用。针对上述问题，提出了图结构下的药物数据增强方法。所提方法通过对样本微扰生成新的相似样本，以扩充数据集。所提方法包含4个子方法，分别是：基于分子骨干的节点丢弃法、基于分子骨干的边丢弃法、多样本拼接法以及混合策略法。其中，基于分子骨干的节点丢弃和边丢弃法通过少量删减药物分子的组成与结构完成对药物分子的微扰；多样本拼接法则使用一种增添性操作，通过组合不同分子完成微扰；混合策略法按一定比例配比删减性和增添性操作提升数据增强结果的多样性。在公开数据集BACE、BBBP、ToxCast和ClinTox上，所提方法为药物属性预测基线模型MG-BERT(Molecular Graph Bidirectional Encoder Representations from Transformer)的受试者工作特征曲线下面积（AUC）带来了1.94%～12.49%的提升。实验结果验证了所提方法在小样本药物数据增强上的有效性。