一种复合神经元网络结构的并行动力学及快速学习算法

提出两种功能互相不同的神经细胞组成的复合神经元网络(CNN)模型;导出一种特殊结构的CNN的并行动力学;而且证明了它的稳定性。在这些结果基础上,得到快速的假逆矩阵学习算法。计算机仿真试验证实学习算法与动力学稳定性的正确性,并表现出良好的容错性能与存储容量。     

寡聚蛋白结合配位体的研究——统计力学模型 Ⅱ.不同配位体的效应

文(Ⅰ)的模型继续推广到自旋变量σ、μ分别可取任意整数或半整数的情形,这对应于不同配位体的效应。特别处理了配位体为抑制剂与激活剂时底物与寡聚蛋白的相互作用,导出饱和曲线的公式,并把Hill 方程推广到有抑制剂或激活剂时的情况,所用的方法不受亚基构象数及配位体种类的限制。     

高阶Boltzmann机的平均场理论学习算法

用统计力学中的平均场理论及模拟退火技术,将一般高阶神经网络及玻尔兹曼机的优点结合在一起,以不同于文献［２］的方法,推导出高阶玻尔兹曼机的驰豫动力学的确定性方程和平均场理论学习算法。二者皆便于ＶＬＳＩ实现,且学习算法省去很多ＣＰＵ时间,对二维镜像对称问题及Ｔ－问题的计算机仿真结果表明三阶玻尔兹曼机的平均场理论学习算法是正确的,且性能较二阶玻尔兹曼机好。     

四面体分子模型的寡聚蛋白结合配位体的协同现象

四面体模型的寡聚蛋白结合配位体的协同现象,已用文献[2]给出的统计力学方法研究,通过包括次最近邻相互作用项的Hamiltonian,导出饱和曲线公式。在特定的诱致吻合条件下,与Koshland 的结果。一致引入协同性强弱的概念,通过相关函数得到协同性强弱的计算方法。讨论了协同现象与相变的类似方法。     

四种结构类型的蛋白质设计方法

给出了以疏水一亲水模型为基础的蛋白质设计方法,该方法以物理学原理为基础,以相对熵作为优化的目标函数。对四种不同结构类型的天然结构的真实蛋白质进行了检测,分析了影响检测成功率的主要因素,结果表明,该方法是普适的,可用于对不同结构类型的蛋白质设计序列。     

变构现象中的类似相变重整化群研究

一、引言所谓变构现象,是指寡聚蛋白(例如变构酶)这样的大分子与配位体(例如底物)这样的小分子结合中表现的协同现象,是分子生物物理中研究得很活跃的课题。如果令θ_s表示酶蛋白分子的亚基结合底物分子的百分数,θ_c表示酶蛋白分子亚基的某种构象呈现的百分数,则在热平衡条件下,实验观测到在不同配位体浓度s下,θ_s或θ_c与s的关系皆呈s-型曲线,如图1。S-型曲线表现了系统的宏观景像在某个配     

化学反应系中的非平衡相变

一、前言物理学内,存在着大量相变的例子,这些相变现象大多在平衡态下,当外参量改变时而发生,目前一般把相变现象分成二类:(1)一阶相变一般把热力学函数的一阶导数为半连续的相变称为一阶相变,典型现象是液-气相转变,这时,熵S=     

四面体分子模型的寡聚蛋白结合配位体的协同现象

四面体模型的寡聚蛋白结合配位体的协同现象,已用文献[2]给出的统计力学方法研究,通过包括次最近邻相互作用项的Hamiltonian,导出饱和曲线公式。在特定的诱致吻合条件下,与Koshland的结果。一致引入协同性强弱的概念,通过相关函数得到协同性强弱的计算方法。讨论了协同现象与相变的类似方法。