排序方式: 共有85条查询结果,搜索用时 15 毫秒
81.
82.
通常对径向基(radial basis function,RBF)神经网络的改进大多是注重隐藏节点选取、大规模数据学习速率和函数组织形式,忽视了初始输入样本自身间的结构信息。研究发现,输入样本的不同属性对分类能力影响的程度也不同,即每个属性应该有自己的分类权重。在对样本归一化预处理后,研究了不同属性在分类时的贡献因子,提出了新的算法模型CFRBF(contribution factors RBF),用贡献因子来描述样本各个属性的重要性。选用了蛋白质二级预测问题来验证模型,传统的二级预测是将样本直接输入网络,仅仅依靠海明距离来分类,丢失大量信息。针对设计的新模型,使用了一种新的组织形式来解决预测问题。实验证明,采用新的组织形式后网络性能明显提高,而用CFRBF算法后其精度再次提高。同时通过贡献因子可以揭示看似无规律的蛋白质序列之间氨基酸构态影响关系,而且还能给出样本不同属性的分类重要性。 相似文献
83.
本文研究了山黧豆蛋白质提取的最佳条件,并测定了pH值对蛋白质功能性质包括:溶解性,乳化性,起泡性的影响.实验结果表明:以液料比8∶1配制蛋白质溶液,加碱溶解蛋白质控制温度为50℃,pH为10.5,加酸沉淀调pH到4.8,提取蛋白质的效果最好;在9.0-10.0之间,pH值的变化对蛋白质溶解性影响最大,在9.0-11.0之间,pH值的变化对蛋白质的乳化性和起泡性影响都最大. 相似文献
84.
85.
为了解决S4PR网的信标求解问题,提出了一种计算网中全部极小信标的方法.该方法通过分析资源库所内工作环与资源库所集合之间的关系构建有向图(C-R图),获取强连通的C-R子图集合,而每个C-R子图对应着一个信标,由此得到包含2个及2个以上资源库所的信标集合,将该集合与含有单个资源库所的极小信标集合进行并集运算,形成备选信标集合,通过算法对备选集合进行筛选,删除其中非极小的信标,进而得到网中全部的极小信标.该方法为获取S4PR网中全部的极小信标提供了有效、可行的方案,为下一步设计最优活性控制器奠定了基础.一个可用S4PR网建模的柔性制造系统实例验证了该极小信标计算方法的正确性. 相似文献