基于双向LSTM神经网络模型的中文分词

中文分词是中文自然语言处理的基础。分词质量的好坏直接影响之后的自然语言处理任务。目前主流的分词是基于传统的机器学习模型。近年来,随着人工智能大潮的又一次兴起,长短期记忆(LSTM)神经网络模型改进了普通循环神经网络模型无法长期依赖信息的缺点,被广泛应用于自然语言处理的各种任务中,并取得了不错的效果。对中文分词,该文在经典单向LSTM模型上进行改进,增加了自后向前的LSTM层,设计了双向LSTM模型,改进了单向LSTM对后文依赖性不足的缺点;并引入了贡献率α,对前传LSTM层和后传LSTM层的权重矩阵进行调节,并设计了四个实验,验证了所建模型的正确性和优越性。     

基于卷积长短时记忆神经网络的蛋白质二级结构预测

鉴于不同类型氨基酸的相互作用对蛋白质结构预测的影响不同,文中融合卷积神经网络和长短时记忆神经网络模型,提出卷积长短时记忆神经网络,并应用到蛋白质8类二级结构的预测中.首先基于氨基酸序列的类别信息和氨基酸结构的进化信息表示蛋白质序列,并采用卷积提取氨基酸残基之间的局部相关特征,然后利用双向长短时记忆神经网络提取蛋白质序列内部残基之间的远程相互作用,最后将提取的蛋白质的局部相关特征和远程相互作用用于蛋白质8类二级结构的预测.实验表明,相比基准方法,文中模型提高8类二级结构预测的精度,并具有良好的可扩展性.     

ZA6-1锌合金骨植入体表面沉积抗菌及耐腐蚀型生物活性涂层（英文）

通过在商用ZA6-1锌合金表面沉积负载十二烷基硫酸钠(SDS)和乙酰丙酸(LA)的聚乳酸羟基乙酸共聚物(PLGA)赋予其抗菌性能。首先，在ZA6-1锌合金表面聚合化沉积APTES接枝层，获得氨基官能团；随后，利用氨基官能团与羧基官能团的正负电荷吸引作用使与SDS/LA混合的PLGA负载于基体表面。所制备的PLGA-SDS/LA涂层具有良好的耐腐蚀能力，其腐蚀速率低至0.005 mm/a，并且可通过改变涂层厚度对其进行调控。该涂层除具有良好的成骨细胞相容性外，还具有优良的抗菌性能，其对金黄色葡萄球菌和大肠杆菌的抗菌率分别达到98.9%和99.8%。