为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算...为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算法进行改进,引入地图复杂程度评估策略和高斯混合分布采样策略,以约束随机采样点的生成方向。通过加入角度约束策略和临近障碍物的变步长机制,确保随机树始终向目标点方向生长,从而规划出渐进最优的路径。此外,设计一种基于甲虫嗅觉探测的递归神经网络(Recurrent Neural Network based on Beetle Olfactory Detection,RNNBOD)算法,配置最优关节角度,驱动冗余机械臂末端执行器沿规划的参考路径移动,从而降低其计算成本。仿真结果表明,该方法不仅有效提升了标准RRT算法的搜索效率、节点利用率和路径质量,还成功解决了冗余机械臂在运行过程中的跟踪控制难题。展开更多
信号转导子和转录激活因子3(signal transducer and activator of transcription3,STAT3)在多种癌干细胞中存在异常表达,其与细胞的癌变具有强相关性。因此,设计和研究新的STAT3抑制剂是攻克癌症的重要且有效策略。本文基于循环神经网络...信号转导子和转录激活因子3(signal transducer and activator of transcription3,STAT3)在多种癌干细胞中存在异常表达,其与细胞的癌变具有强相关性。因此,设计和研究新的STAT3抑制剂是攻克癌症的重要且有效策略。本文基于循环神经网络(recurrent neural network,RNN)算法,提出一种全新STAT3抑制剂的设计方法,并且通过分子模拟研究对该方法进行效果评价。本文的研究路线如下:使用RNN算法构建STAT3抑制剂生成模型,使其能生成全新抑制剂;基于机器学习算法,建立STAT3抑制剂的分子分类预测模型;对分类为STAT3抑制剂的分子进行基于分子对接的层级虚拟筛选,选出最终在高精度筛选(extra precision,XP)中得分最高的3个分子作为潜在抑制剂进行下一步研究;对潜在抑制剂进行结合自由能计算以及吸收、分配、代谢、排泄和毒性(absorption distribution metabolism excretion toxicity,ADMET)的预测并在后续利用独立梯度模型(independent gradient model,IGM)分析,进一步探究其成药性。本文的研究结果表明,利用上述方法可以有效生成出有良好成药性的全新STAT3潜在抑制剂,为后续STAT3药物研发提供经验和参考。展开更多
针对脱机文字识别,提出了一种基于线性合成的双粒度递归神经网络(Recurrent neural net work,RNN)集成系统.首先,使用单词RNN对未知图像进行识别;然后,依据识别结果进行字符分割,使用字符RNN对分割后的字符进行识别,并利用查表法计算字...针对脱机文字识别,提出了一种基于线性合成的双粒度递归神经网络(Recurrent neural net work,RNN)集成系统.首先,使用单词RNN对未知图像进行识别;然后,依据识别结果进行字符分割,使用字符RNN对分割后的字符进行识别,并利用查表法计算字符的后验概率;最后,综合两个RNN的识别结果决定最终单词输出.在CAPTCHA识别和手写识别上的实验结果证明了该系统的有效性.展开更多
针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立...针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立隐含节点增量构造的约束机制,同时利用候选节点池策略实现隐含节点的优选,避免了网络随机构造的盲目性;进一步,从模型参数的局部优化与全局优化两个角度考虑,提出模型参数的两种增量随机(incremental random,IR)学习方法,即IR-1与IR-2,并证明了其万能逼近特性;同时通过研究IRRNN的动态特性,分析了IRRNN的泛化性能.通过实验验证了IRRNN在动态特性、紧凑性和精度等多个方面具有良好特性.展开更多
文摘为满足铁路接触网腕臂智能检修作业中机械臂自动导航需求,提出一种综合解决路径规划和障碍物避让问题的研究方法。该方法将双重目标转化为单一的约束优化问题。在此基础上,对标准快速搜索随机树(Rapidly exploring Random Tree,RRT)算法进行改进,引入地图复杂程度评估策略和高斯混合分布采样策略,以约束随机采样点的生成方向。通过加入角度约束策略和临近障碍物的变步长机制,确保随机树始终向目标点方向生长,从而规划出渐进最优的路径。此外,设计一种基于甲虫嗅觉探测的递归神经网络(Recurrent Neural Network based on Beetle Olfactory Detection,RNNBOD)算法,配置最优关节角度,驱动冗余机械臂末端执行器沿规划的参考路径移动,从而降低其计算成本。仿真结果表明,该方法不仅有效提升了标准RRT算法的搜索效率、节点利用率和路径质量,还成功解决了冗余机械臂在运行过程中的跟踪控制难题。
文摘信号转导子和转录激活因子3(signal transducer and activator of transcription3,STAT3)在多种癌干细胞中存在异常表达,其与细胞的癌变具有强相关性。因此,设计和研究新的STAT3抑制剂是攻克癌症的重要且有效策略。本文基于循环神经网络(recurrent neural network,RNN)算法,提出一种全新STAT3抑制剂的设计方法,并且通过分子模拟研究对该方法进行效果评价。本文的研究路线如下:使用RNN算法构建STAT3抑制剂生成模型,使其能生成全新抑制剂;基于机器学习算法,建立STAT3抑制剂的分子分类预测模型;对分类为STAT3抑制剂的分子进行基于分子对接的层级虚拟筛选,选出最终在高精度筛选(extra precision,XP)中得分最高的3个分子作为潜在抑制剂进行下一步研究;对潜在抑制剂进行结合自由能计算以及吸收、分配、代谢、排泄和毒性(absorption distribution metabolism excretion toxicity,ADMET)的预测并在后续利用独立梯度模型(independent gradient model,IGM)分析,进一步探究其成药性。本文的研究结果表明,利用上述方法可以有效生成出有良好成药性的全新STAT3潜在抑制剂,为后续STAT3药物研发提供经验和参考。
文摘针对脱机文字识别,提出了一种基于线性合成的双粒度递归神经网络(Recurrent neural net work,RNN)集成系统.首先,使用单词RNN对未知图像进行识别;然后,依据识别结果进行字符分割,使用字符RNN对分割后的字符进行识别,并利用查表法计算字符的后验概率;最后,综合两个RNN的识别结果决定最终单词输出.在CAPTCHA识别和手写识别上的实验结果证明了该系统的有效性.
文摘针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立隐含节点增量构造的约束机制,同时利用候选节点池策略实现隐含节点的优选,避免了网络随机构造的盲目性;进一步,从模型参数的局部优化与全局优化两个角度考虑,提出模型参数的两种增量随机(incremental random,IR)学习方法,即IR-1与IR-2,并证明了其万能逼近特性;同时通过研究IRRNN的动态特性,分析了IRRNN的泛化性能.通过实验验证了IRRNN在动态特性、紧凑性和精度等多个方面具有良好特性.
