基于SVM的特征筛选方法及其若干应用

对于拟合问题，传统的模式识别特征筛选方法以各特征量对训练数据拟合能力的贡献为取舍标准，未考虑经验风险最小化和结构风险最小化间的差别，不能获得预报能力最强的特征筛选结果。为此我们提出了结合支持向量回归法与留一法的特征筛选新算法，并将它试用于镍氢电池材料和氧化铝溶出率两套实验数据集的特征筛选。     

基于软计算思想解决含干扰输入多值异或问题的研究

介绍一种解决含干扰输入多值异或问题的方法。该方法利用遗传算法寻找神经网络结构,使用模糊逻辑控制神经网络的学习率和冲量,并用传播算法训练得到神经网络。结果显示,这种方法能针对问题得到泛化性能、时间复杂度上表现都较为优秀的网络。     

基于信息粒化的SVM时序回归预测

为了提高SVM的学习效率和泛化能力,首先利用一种信息粒化算法对原始数据进行预处理,该算法能将样本空间划分为多个粒(子空间),降低样本规模,节省时间复杂度.然后将模糊粒化后的信息利用SVM进行回归分析,同时利用交叉验证选出最优的分类器调节参数,可降低分类器的复杂性和提高分类器的泛化能力,避免出现过学习和欠学习.最后通过预测上证指数的实验验证了该算法具有优越的特性,能够较为准确的进行时序回归预测.     

贪婪支持向量机的分析及应用

支持向量机推广性能的分析是机器学习中的一项重要内容。依据可通过最小化本性支持向量个数来构造支持向量机的思路,结合稀疏学习,从贪婪方法的角度出发,提出了一种新的支持向量机,称之为贪婪支持向量机。利用UCI数据库中的乳腺癌数据集来测试贪婪支持向量机算法在平衡估计精确性和解的稀疏性方面的性能。针对设计的贪婪支持向量机,利用经验过程中的方法,得到这一类型支持向量机的推广性能。     

改进型内部递归神经网络在QSAR中的应用

药物定量构效关系一直是药物现代化研究中的关键问题。现已发现具有一定特征或一定作用机制的同源活性化合物,其主要结构因素与活性强度间存在着一定的关系。通过运用计算机建模仿真、神经元计算等方法,可以搜索化学组成与药效相随变动规律,以及预测未知化合物的生物活性。本文将内部递归神经网络应用到药物定量构效关系建模中。为了提高其网络的性能,本文提出了改进型内部递归神经网络,具体策略包括:运用动量法和自适应学习率改进网络的学习能力,采用提早结束法改善网络的泛化能力,并成功地将其应用于除草剂的定量构效关系建模中。     

基于模型激励响应的负荷分类及泛化能力

负荷时变性已经成为制约负荷模型推广应用的主要因素,而负荷分类则是解决这个问题的很好的办法.本文提出了一种新的负荷分类及模型泛化的方法:首先以模型阶跃响应为特征矢量,采用聚类分析的方法对负荷进行分类,然后用多曲线拟合的方法对每一类建立一个代表整个类的负荷模型,并对各类模型的参数以及各类扰动数据之间存在的规律进行分析,在此基础上按照一定的规律合并类,最终得到了具有较强泛化能力和实用性的负荷模型.     

含有固体氧化物燃料电池的广义负荷建模

随着智能电网、微电网、分布式发电技术的发展,配网侧将接入大量的分布式电源。考虑分布式发电的广义负荷建模具有重大的理论研究与实际应用价值。基于Matlab/Simulink建立固体氧化物燃料电池(solid oxide fuel cell,SOFC)及其并网系统的动态模型,研究其外特性,指出含有SOFC的配电网络的广义负荷模型结构,只需在传统的综合负荷模型(synthesis load model,SLM)的虚拟母线上增加一个有功随电压变化的有功功率源。辨识参数需要增加SOFC相对纯负荷的比例、功率调节器的比例与积分放大倍数3个参数。算例表明,所提出的模型结构的描述能力、内插外推能力及参数辨识的稳定性较好。     

BP网络过拟合现象满足的不确定关系新的改进式

类比信息传递过程中的一般测不准关系式 ,引进表征问题复杂性的函数复相关系数R和代表网络结构特性的隐节点数h ,揭示了BP网络过拟合现象出现时的网络学习能力与推广能力之间满足的不确定关系式 ;通过模拟了 12种不同类型复杂程度函数的过拟合数值试验 ,确定出关系式中的过拟合参数 p的取值范围已缩小为 1×10 -5～ 5× 10 -4;给出应用BP网络对给定样本集的训练过程中 ,判断出现过拟合现象的方法     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

Camelid Single-Domain Antibodies: Promises and Challenges as Lifesaving Treatments

Since the discovery of camelid heavy-chain antibodies in 1993, there has been tremendous excitement for these antibody domains (VHHs/sdAbs/nanobodies) as research tools, diagnostics, and therapeutics. Commercially, several patents were granted to pioneering research groups in Belgium and the Netherlands between 1996–2001. Ablynx was established in 2001 with the aim of exploring the therapeutic applications and development of nanobody drugs. Extensive efforts over two decades at Ablynx led to the first approved nanobody drug, caplacizumab (Cablivi) by the EMA and FDA (2018–2019) for the treatment of rare blood clotting disorders in adults with acquired thrombotic thrombocytopenic purpura (TPP). The relatively long development time between camelid sdAb discovery and their entry into the market reflects the novelty of the approach, together with intellectual property restrictions and freedom-to-operate issues. The approval of the first sdAb drug, together with the expiration of key patents, may open a new horizon for the emergence of camelid sdAbs as mainstream biotherapeutics in the years to come. It remains to be seen if nanobody-based drugs will be cheaper than traditional antibodies. In this review, I provide critical perspectives on camelid sdAbs and present the promises and challenges to their widespread adoption as diagnostic and therapeutic agents.