检索结果-维普期刊中文期刊服务平台

人工设计及深度学习在抗菌肽改造策略上的研究进展: 1; 作者徐浩然毕重朋 +2 位作者王家俊单安山冯兴军《食品与发酵工业》北大核心 2025年第13期362-368,407,共8页; 近年来,多重耐药病原体引发的感染显著增加,抗生素耐药性已成为全球公共卫生领域的重大挑战。抗菌肽因其独特的作用机制,被认为是对抗抗生素耐药性的潜在解决方案。然而,其在临床应用中仍面临稳定性差、活性不足及高生产成本等障碍。为... 展开更多; 关键词抗菌肽深度学习预测模型深度学习生成模型抗菌肽改造策略多领域结合; 在线阅读下载PDF 职称材料

基于深度学习的全球平均表面温度年际信号时间序列的预测被引量：5: 2; 作者罗德杨郑飞陈权亮《气候与环境研究》 CSCD 北大核心 2022年第1期94-104,共11页; 利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,... 展开更多; 关键词全球平均表面温度年际信号时间序列预测集合经验模态分解长短期记忆神经网络深度学习预测模型; 在线阅读下载PDF 职称材料

东北三省粮食需求量预测与未来黑土地耕地质量提升思考: 3; 作者邸佳颖王盛威 +4 位作者刘红芳付海美熊露庄家煜张淑香《农业展望》 2024年第8期132-138,共7页; 明确东北三省未来粮食需求走势,对保障国家粮食安全、保护利用东北黑土地资源具有重要指导意义。从国家粮食供需平衡角度,综合考虑宏观经济条件和农业生产条件,预测分析2023-2032年黑龙江、吉林、辽宁3个省份的粮食需求量可以为量化保... 展开更多; 关键词 LSTM 粮食需求东北三省深度学习预测模型粮食安全黑土地保护耕地质量; 在线阅读下载PDF 职称材料

复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例被引量：8: 4; 作者朱小藻《隧道建设（中英文）》北大核心 2020年第S01期107-114,共8页; 为解决复杂软弱地层中土压平衡盾构掘进速度难以用理论方法预测调控的问题,基于皮尔森相关系数分析了掘进参数与掘进速度的相关性,并提出盾构掘进速度的深度学习预测模型。模型运用粒子群优化算法对BP神经网络的权值与偏置值进行优化,... 展开更多; 关键词隧道工程土压平衡盾构掘进速度 PSO-BP深度学习预测模型; 在线阅读下载PDF 职称材料

题名人工设计及深度学习在抗菌肽改造策略上的研究进展: 1; 作者徐浩然毕重朋王家俊单安山冯兴军; 机构东北农业大学动物科学技术学院; 出处《食品与发酵工业》北大核心 2025年第13期362-368,407,共8页; 基金黑龙江省重点研发计划项目(2024ZXDXB58)。; 文摘近年来,多重耐药病原体引发的感染显著增加,抗生素耐药性已成为全球公共卫生领域的重大挑战。抗菌肽因其独特的作用机制,被认为是对抗抗生素耐药性的潜在解决方案。然而,其在临床应用中仍面临稳定性差、活性不足及高生产成本等障碍。为此,文中总结了多种改造策略,包括结构优化、靶向设计、活性增强以及生产工艺改进。同时,深度学习技术的引入,为抗菌肽序列的设计与优化提供了高效的新途径,通过预测抗菌活性和优化参数显著提升研发效率,为抗菌肽的开发与应用带来了新的希望。; 关键词抗菌肽深度学习预测模型深度学习生成模型抗菌肽改造策略多领域结合; Keywords antimicrobial peptide(AMPs) deep learning predictive model deep learning generative model antimicrobial peptide modification strategy multi-disciplinary integration; 分类号 TQ464 [化学工程—制药化工]; 在线阅读下载PDF 职称材料

题名基于深度学习的全球平均表面温度年际信号时间序列的预测被引量：5: 2; 作者罗德杨郑飞陈权亮; 机构成都信息工程大学大气科学学院中国科学院大气物理研究所国际气候与环境研究中心; 出处《气候与环境研究》 CSCD 北大核心 2022年第1期94-104,共11页; 基金国家自然科学基金项目41876012、41861144015。; 文摘利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。; 关键词全球平均表面温度年际信号时间序列预测集合经验模态分解长短期记忆神经网络深度学习预测模型; Keywords Global mean surface temperature Prediction of inter-annual signal Ensemble Empirical Mode Decomposition(EEMD) Long Short-Term Memory(LSTM) Deep learning prediction model; 分类号 P466 [天文地球—大气科学及气象学]; 在线阅读下载PDF 职称材料

题名东北三省粮食需求量预测与未来黑土地耕地质量提升思考: 3; 作者邸佳颖王盛威刘红芳付海美熊露庄家煜张淑香; 机构中国农业科学院农业信息研究所/农业农村部农业监测预警技术重点实验室中国农业科学院农业资源与农业区划研究所北京市科学技术研究院分析测试研究所(北京市理化分析测试中心); 出处《农业展望》 2024年第8期132-138,共7页; 基金国家重点研发计划“黑土地保护与利用科技创新”重点专项课题“黑土地耕地质量清单制作与质量红线确定”(2021YFD15002005)。; 文摘明确东北三省未来粮食需求走势,对保障国家粮食安全、保护利用东北黑土地资源具有重要指导意义。从国家粮食供需平衡角度,综合考虑宏观经济条件和农业生产条件,预测分析2023-2032年黑龙江、吉林、辽宁3个省份的粮食需求量可以为量化保障国家粮食安全、高效利用黑土地资源提供基本依据。依据粮食供需均衡原理,基于深度学习的多种农产品供需预测模型,以LSTM(长短时记忆神经网络)对2023-2032年中国粮食需求量进行预测,并引入黑龙江、吉林、辽宁各省的粮食承载系数,计算出各省粮食需求量,对满足未来粮食单产增加需求的黑土质量提升进行预判。随着社会经济发展和人口变化,2023-2032年东北三省各省的粮食需求量均稳中有增,其中稻谷需求量变幅不大,玉米和大豆需求量增幅明显。预计2032年,黑龙江、吉林、辽宁三省玉米需求量比2022年分别增长10.9%、23.2%、24.8%,吉林省和辽宁省未来10年的玉米需求量增幅明显高于黑龙江省;黑龙江、吉林、辽宁三省大豆需求量将比2022年分别增长47.7%、39.1%、34.8%,黑龙江省2023-2032年的大豆需求量的绝对值和增幅均最高。东北三省未来粮食需求呈增长趋势,受粮食消费结构持续变化影响,玉米、大豆需求增幅较大。基于此,未来东北三省要多途径提升粮食单产,以提升黑土耕地质量为基础,进一步筑牢国家商品粮生产基地,为保障国家粮食安全提供坚实基础。; 关键词 LSTM 粮食需求东北三省深度学习预测模型粮食安全黑土地保护耕地质量; Keywords LSTM grain demand three northeastern provinces deep learning and prediction model food security black land protection arable land quality; 分类号 F326.11 [经济管理—产业经济]; 在线阅读下载PDF 职称材料

题名复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例被引量：8: 4; 作者朱小藻; 机构中铁十六局集团北京轨道交通工程建设有限公司; 出处《隧道建设（中英文）》北大核心 2020年第S01期107-114,共8页; 基金中铁十六局集团有限公司科技研发计划(JSHT-20190421); 文摘为解决复杂软弱地层中土压平衡盾构掘进速度难以用理论方法预测调控的问题,基于皮尔森相关系数分析了掘进参数与掘进速度的相关性,并提出盾构掘进速度的深度学习预测模型。模型运用粒子群优化算法对BP神经网络的权值与偏置值进行优化,以克服基于梯度下降算法的传统BP神经网络易陷入局部最小值和预测误差大等缺点,预测模型将地质参数与掘进参数作为输入值,盾构掘进速度作为输出值(预测值)。以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为依托,基于贯入度与掘进速度的相关性最高且呈正相关的分析结果,采用监测数据对模型进行训练,利用训练后的深度学习模型对掘进速度进行预测分析。结果显示,具有2层隐藏层的深度学习PSO-BP模型的预测误差基本控制在±4 mm/min(误差在10%以内),满足实际工程要求,从而验证了模型的有效性与适用性。; 关键词隧道工程土压平衡盾构掘进速度 PSO-BP深度学习预测模型; Keywords tunnel engineering EPB shield advancing speed PSO-BP deep learning prediction model; 分类号 U455.43 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	人工设计及深度学习在抗菌肽改造策略上的研究进展	徐浩然毕重朋王家俊单安山冯兴军	《食品与发酵工业》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于深度学习的全球平均表面温度年际信号时间序列的预测	罗德杨郑飞陈权亮	《气候与环境研究》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
3	东北三省粮食需求量预测与未来黑土地耕地质量提升思考	邸佳颖王盛威刘红芳付海美熊露庄家煜张淑香	《农业展望》	2024	0	在线阅读下载PDF 职称材料
4	复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例	朱小藻	《隧道建设（中英文）》北大核心	2020	8	在线阅读下载PDF 职称材料