排序方式: 共有36条查询结果,搜索用时 15 毫秒
21.
采用简化的NHP模型并考虑蛋白质链的二级结构信息,对全α型蛋白质链进行构建.利用分子动力学模拟研究全α蛋白质体系势能的变化情况,得出键伸缩和弯曲能量随蛋白质的链长线性增加;单键的伸缩能和弯曲能随着温度的升高而线性增加,且伸缩能比弯曲能随温度的增加更为明显的结论.键扭转能随二级结构α螺旋数目的增加而线性降低,随温度的上升,扭转能变化呈现先增加后减少的趋势.非键能的大小随疏水残基在蛋白质组分中的比例增加而降低,但线性关系不明显.键扭转能和非键能都存在转变温度.蛋白质链的结构是由多种势能协同作用的结果,键能和非键能的相互竞争以及组成蛋白质链的氨基酸亲疏水性和二级结构组分都会影响蛋白质体系的能量,这些结果对深入理解蛋白质的结构提供理论依据. 相似文献
23.
竞价控制是收益管理中广泛应用的一种存量控制方法.将网络存量控制问题描述为一个动态规划模型,通过状态向量的一个仿射函数近似动态规划的最优值函数,并且在航段水平上考虑随机需求,最终得到一个计算网络竞价所需的确定性线性规划(DLP),相对于标准的DLP,这个DLP得到了更接近于动态规划最优值的上界.给出了一个列生成算法用于求解这个DLP,并提供了模拟算例,计算结果表明可获得比标准的DLP方法更好的收益. 相似文献
24.
对于含噪混沌时间序列预测问题, 传统方法存在较大的经验性, 对预测误差的构成分析不足, 因而忽略了混沌动态重建与预测模型建立之间的差异性. 本文将实际预测误差分解为预测器偏差和输入扰动误差, 并对整体最小二乘和正则化两种全局预测方法进行分析比较, 进而说明整体最小二乘适用于混沌动态的重建, 对预测器偏差影响较大, 而正则化方法能够改善预测器敏感性, 对输入扰动误差影响较大. 通过两个仿真实例, 展示了混沌动态重建与预测模型建立之间的差异, 在对比最小二乘和正则化方法的同时验证了实际预测误差受预测器偏差和输入扰动误差共同作用. 并指出, 在实际操作时应在二者间寻求平衡, 以便使模型预测精度达到最优.
关键词:
混沌时间序列预测
噪声
整体最小二乘
正则化 相似文献
25.
钡以及轻稀土元素氧化物对中、重稀土元素的干扰一直是质谱测试中存在的问题。建立了石墨粉垫底碳酸钠-硼酸混合熔剂熔融前处理样品,以103Rh为内标校正,一体化碰撞反应-电感耦合等离子体质谱仪法测定地质样品中稀土元素含量的方法。探讨了碳酸钠-硼酸混合熔剂熔融前处理样品注意事项、碰撞模式下碰撞气流量和离子透镜的参数的优化、干扰校正试验等问题,采用国家标准物质GBW07403、GBW07405、GBW07427、GBW07429验证,实验结果表明,各元素线性关系良好,相关系数均大于0.999,方法检出限在0.01~0.03mg/kg之间,相对误差为0.13%~7.1%,相对标准偏差为0.79%~6.59%,测试结果与标准值相吻合。对实际样品分析,得到平滑的球粒陨石归一化的稀土元素配分曲线,证明测定结果是合理可信的。该方法熔剂用量少,过程空白低,对器皿的侵蚀小,直接加热浸取,简化了操作过程,适用于大批量地质样品中稀土元素的测定。 相似文献
26.
扑热息痛和咖啡因是速效感冒片中的主要成分,其含量决定了速效感冒片的药效及副作用的大小.我们通过实验分别做出一定浓度扑热息痛溶液和咖啡因溶液的紫外吸光度随检测波长的变化曲线(λ-A曲线),并用M athem acica软件中曲线拟合的方法分别求出上述两条变化曲线的拟合方程,以这两个方程的线性组合形式拟合速效感冒片溶液紫外光谱的λ-A曲线,根据系数的比例关系求得扑热息痛和咖啡因在速效感冒片中的含量.简化了传统双波长法的操作,提高了检测速度. 相似文献
27.
28.
In2O3是一种透明导电氧化物(TCO),因其宽禁带、电子亲和能低、自由载流子密度高等优良性质而备受关注[1]。采用高温热解法,合成了粒径均匀且呈立方晶相的In2O3纳米粒子,并将其作为SERS基底进行探究。通过紫外可见漫反射光谱(UV-Vis-DRS)、 X射线粉末衍射(XRD)等表征手段可以得知,In2O3基底与探针分子之间存在着电荷转移作用,使SERS信号得到增强。 相似文献
29.
少量的氧对材料性质的影响也是十分显著的,在非氧化物半导体中可以通过一定的实验设计引入氧[1]。在此,我们通过水热方法合成了一种氧掺杂的硫化钼,并在不同的温度下通过退火处理获得不同氧掺杂量的MoSxOy。在本工作中所获得的MoSxOy通过光谱分析可推测其获得了氧空位和氧结合。在SERS基底的应用中,新引入的氧空位和氧结合可能引起电荷转移共振增强以及激子共振,从而放大半导体基底-分析物-分子之间的之间的作用,实现半导体的SERS增强,为半导体在SERS基底上的应用提供了新的思路。 相似文献
30.
为提高光电系统对弱小目标的识别和分类能力,降低算法对硬件平台和数据的依赖,提出一种无监督分类方法−基于目标深度特征聚类的细粒度分类方法。该方法通过轮廓、颜色、对比度等浅层特征提取提示目标,经超分辨处理后,利用卷积神经网络对目标的深层特征进行编码,进一步采用基于注意机制的主成分分析方法进行降维生成表征矩阵,最后利用聚类的方式实现目标细粒度分类。实验验证了基于不同神经网络的深度聚类方法在不同数据集上的分类性能,其中采用ResNet-34聚类方法在CIFAR-10测试集上细粒度分类性能达92.71%,结果表明,基于深度聚类的目标细粒度方法能够取得与强监督学习方法相当的目标分类效果。此外,还可以根据不同簇数和聚类等级的选择实现不同细粒度的分类效果。 相似文献