氨基酸序列中同源序列的识别

现代分子生物学的研究中,对氨基酸序列进行序列分析是一个热门研究课题.本文介绍了如何使用计算机技术对氨基酸序列的同源序列进行识别,给出了一种动态规划算法对两个序列识别的方法．以及各种改进的算法对多个序列识别的方法,并根据实验结果对各种算法进行了讨论和评价．     

一种改进的ART1算法及其在人像识别中的应用

本文通过对自适应共振理论（ＡＲＴ）ＡＲＴ１的研究,提出了一种改进的ＡＲＴ１算法,这种算法不仅具有ＡＲＴ１算法的所有优点,而且降低了ＡＲＴ１算法的识别识误差。该算法在人像识别中取得了令人满意的效果。     

基于GPGP协同机制的多Agent车间调度方法研究

车间调度作为车间制造系统的重要组成部分,影响着整个车间制造系统的敏捷性和智能性.但是,由于资源和工艺约束的并存,使得车间调度成为一类NP-hard问题.基于静态的智能算法与动态的多Agent思想,提出了一种结合通用部分全局规划(generalized partial global planning,GPGP)机制与多种智能算法的多Agent车间调度模型,设计了从"初始宏观调度"到"微观再调度"的大规模复杂问题的调度步骤,并构建了一个柔性强且Agent可自我动态调度的仿真系统.同时,从理论上总结了GPGP基本协同机制的策略,实现了二级多目标优化调度.最后使用DECAF仿真Agent软件模拟了车间调度的GPGP协同机制,并与CNP,NONE机制进行了比较.结果表明,所提出的模型不仅提高了调度的效率,而且降低了资源的损耗.     

电子细胞模型Analog-Cell中基因表达调控的模拟实现

电子细胞模型的研究是人工生命的重要研究领域之一,Analog-Cell是国内第1个电子细胞图形模型,用于在分子水平上图形化的模拟真核细胞的基因表达过程.扩展的Analog-Cell添加了在基因表达过程中起重要作用的酶和调控因子,利用状态控制机制,设计并实现了转录、mRNA的加工和翻译3个阶段中基因表达调控的主要反应的算法,并结合模拟示例展示了这些算法的运行结果.模拟实验结果表明,设计的算法符合生物学原理,使Analog-Cell具备了一定的图形化模拟基因表达调控反应的能力.最后,指出了上述工作给Analog-Cell带来的新优势,并对下一步工作进行了展望.     

多获胜节点SOM及其在股票分析中的应用

为了增强自组织映射（self-organizing map, SOM）网络的动态竞争和聚类能力,提高解的精度,在无监督的SOM神经网络的基础上,通过拓广获胜节点的数量,改进网络中的邻域函数和连接权函数等方法,提出具有多获胜节点的SOM模型.为了避免多个输入样本映射到同一个输出节点,还提出了禁忌映射的方法.为了验证所提出的方法的有效性,以股票的聚类分析为实例,对该方法进行了检验.通过对每股收益、每股净资产、净资产收益率、每股经营性现金流量及净利润等5项反映上市公司综合盈利能力的财务指标进行了模拟实验,所得的数值结果表明,在标准SOM及所提出的几种多获胜节点SOM网络模型中,具有双获胜节点（SOM with 2 winners, SOM2W）的网络模型获得了最好的聚类效果.结合实验结果对网络模型的进一步分析也表明,SOM2W的聚类能力优于标准SOM及其他网络模型.该模型为股票的分析和选择提供了一种可行的途径,在金融领域具有潜在的应用价值.     

基于扩展串的等价遗传算法的收敛性

本文基于扩展串的概念，独立地提出了一种与标准遗传算法的优化问题等价的遗传算法，从理论上探讨了遗传算法的收敛条件与收敛速度等问题，给出了等价遗传算法平均收敛速度的解析表达式。     

基于模糊理论和双向联想记忆神经网络的变压器老化评价

采用模糊理论和双向联想记忆神经网络(BAM)相结合的方式对变压器老化进行评价。该方法首先运用模糊理论对变压器的相关特征进行模糊化处理,处理相关参数的不确定性问题,之后采用模糊推理和解模糊过程进行变压器的老化状态评价。在模糊化过程中,因为绝缘油气体和绝缘油的电气特征主观性较强,本文使用BAM神经网络进行训练,从而实现这些规则的模糊化。通过对实际数据的模拟实验,对所提出的方法进行了检验,实验结果与实际情况吻合程度很好,验证了所提出方法的有效性。     

生物信息学在新兴学科群中崛起

生物信息学以一种综合、全面、系统的观点来研究生命现象及其规律,它将会成为21世纪生命科学中的重要研究领域之一.本文简单介绍了生物信息学的产生,发展,研究内容,应用及重要意义等.     

改进的最短路径算法在多点路由上的应用

Dijkstra算法是目前公认的较好的最短路径算法.由于多点路由问题最终归结为最短路径问题,因此将算法改进后应用于多点路由问题.提出的改进主要有以下3点:(1)改变选路策略,基于蚁群算法实现Dijkstra算法的选路操作,使选路更加灵活.(2)结合网络模型的特点,减少了对两顶点之间最短路径以外的大量顶点的计算,提高了算法的速度.(3)考虑到网络路由问题中的阻塞问题,对阻塞顶点进行标识,防止算法选择无用顶点.模拟实验结果表明改进算法较之Dijkstra算法在运算速度上有明显提高.     

融合语言模型的端到端中文语音识别算法

为了解决语音识别模型在识别中文语音时鲁棒性差,缺少语言建模能力而无法有效区分同音字或近音字的不足,本文提出了融合语言模型的端到端中文语音识别算法.算法建立了一个基于深度全序列卷积神经网络和联结时序分类的从语音到拼音的语音识别声学模型,并借鉴Transformer的编码模型,构建了从拼音到汉字的语言模型,之后通过设计语音帧分解模型将声学模型的输出和语言模型的输入相连接,克服了语言模型误差梯度无法传递给声学模型的难点,实现了声学模型和语言模型的联合训练.为验证本文方法,在实际数据集上进行了测试.实验结果表明,语言模型的引入将算法的字错误率降低了21％,端到端的联合训练算法起到了关键作用,其对算法的影响达到了43％.和已有5种主流算法进行比较的结果表明本文方法的误差明显低于其他5种对比模型,与结果最好的Deep?Speech2模型相比字错误率降低了28％.