遗传算法优化真菌深层培养过程神经网络模型的研究

提出一种简易的真菌深层培养过程网络模型。输入变量为可在线测量的排气中的二氧化碳浓度,网络权数采用遗传算法进行优化训练。所获神经网络模型能准确预测培养过程的状态变量(生物量浓度,产物浓度等)。研究表明遗传算法训练此类神经网络系统是可行的。     

基于GES机制遗传算法构建基因调控网络

目的：基因调控网络在药物研发与疾病防治方面有重要的生物学意义。目前基于芯片数据构建网络的方法普遍效率不高,准确度较低,为此提出了一种新的高效调控网络结构预测算法。方法：提出了一种基于贪婪等价搜索机制的遗传算法构建基因调控网络模型。通过引入遗传算法的多点并行性,使得算法易于摆脱局部最优。通过编码网络结构作为遗传算法的染色体和设计基于GES机制的变异算子,使网络的进化过程基于马尔科夫等价空间而不是有向无环图空间。结果：通过对标准网络ASIA和酵母调控网络的预测,与近期Xue-wen Chen等提出的Order K2算法进行了比较,在网络构建准确率上获得了更佳的结果。与标准遗传算法比较下在执行效率上大大提高。结论：提出的算法在网络结构预测准确率上相对于最近提出的Order K2算法在准确率上效果更佳,并且相较标准遗传算法网络在进化过程上效率更高。     

培养海马神经元网络学习模型的构建

对于培养的神经元网络而言,学习是外界刺激与网络响应之间联系建立和调控的过程.为构建合适的神经元网络学习模型,采用闭环低频(1 Hz)成对电极的电刺激模拟认知任务,在多通道微电极阵列系统中对培养的海马神经元网络进行训练,使其发生网络层次上的学习行为.经过训练后,神经元网络在刺激后20～80ms内的早期突触后响应明显增加,响应/刺激比(在闭环训练中,电极上任一阶段连续10次刺激的早期突触后响应的个数/10)增大,响应时延减小,并且响应具有选择性,即表明,神经元网络与外界刺激之间已建立可调控的联系,该可调控联系是通过网络的响应来表现的,建立神经元网络与外界刺激之间的可调控联系即网络层次的学习.     

真菌深层培养过程的房室结构神经网络模型

在对横纹黑蛋巢菌深层培养过程进行分析的基础上,提出一种房室结构的神经网络模型,利用ＲＢＦ网络这各房室的输入,输出关系,并进一步对整个生化过程作了建模型研究,计算结果表明,所建模型性能较佳,对真菌培养过程的观测数据拟合结果令人满意。     

外来入侵物种的风险评估定量模型及应用

预防生物入侵的一个重要手段是对外来物种进行风险评估,应用模型则是定量评估的必备方法。本文简述了常用的适生性风险评估模型,概述了诸如遗传算法、模糊包络模型、自组织特征映射网络等较新的理论方法,它们使用环境变量和物种实际分布数据,利用不同的机理模型预测物种潜在分布区。本文还综述了适用于研究物种扩散性的模型,积分差分方程模型可以模拟物种扩散行为,元胞自动机模型可以揭示种间竞争关系,景观中性模型大多用于种群动态等生态过程的研究。     

人工神经网络与遗传算法相结合在作物估产中的应用——以吉林省米估产为例

在遗传算法（Genetic Algorithm）与误差反传（Back Propagation）网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并对吉林省梨树和德惠县的玉米进行了估产研究,同时与BP算法和灰色系统理论模型进行了比较。经经验,计算值与实际值拉近,并优于灰色理论模型,具有良好的预测效果,从而为农作物估产提供了新方法。     

人工神经网络与遗传算法相结合在作物估产中的应用——以吉林省玉米估产为例

在遗传算法(Genetic Algorithm)与误差反传(Back Propagation)网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并对吉林省梨树和德惠县的玉米进行了估产研究,同时与BP算法和灰色系统理论模型进行了比较.经检验,计算值与实际值接近,并优于灰色理论模型,具有良好的预测效果,从而为农作物估产提供了新方法.     

遗传算法在转录因子结合位点识别中的应用

遗传算法是模拟生物进化过程的计算模型,是一种全局优化搜索算法。将遗传算法与转录因子结合位点识别问题相结合的新方法,以一致性序列模型作为保守motif的描述模型,通过对motif序列与待测序列的比对问题进行编码,将其转化成搜索空间中的优化问题,利用遗传算法来搜索最优解,预测转录因子的结合位点。实验结果表明,这种新的方法是有效的,它在占用少量内存的情况下能够准确地识别出待测转录因子结合位点。     

基于遗传算法的麦角固醇分批发酵动力学参数估算

把遗传算法应用于求解麦角固醇分批发酵动力学模型参数,能进一步提高麦角固醇分批发酵过程状态变量的计算值与实验值的吻合程序,在计算机上对动力学模型进行了拟合,模拟值与实验值对比显示,该动力学模型能很好地反映麦角固醇分批发酵过程。     

基于遗传算法和支持向量机的乳杆菌发酵过程建模

由于生化反应过程的复杂性和高度非线性,多数简单的数学模型不能准确描述。该文基于Matlab软件,利用改进的支持向量机(υ-SVR)对植物乳酸杆菌发酵这一典型生化过程进行研究,应用遗传算法估计模型最优参数,建立植物乳杆菌的菌体密度预测模型。同时建立传统的logistic动力学模型以进行比较。结果表明,采用结合遗传算法的υ-SVR预测模型拟合误差小,皮尔森相关系数(R)更高,可以较好地预测乳酸杆菌的发酵过程,为其优化控制及放大提供依据。     

“基因在染色体上”基于科学史的教学设计

以科学史发展过程中科学家对基因与染色体关系的探索与研究为主线,以基于类比推理、演绎推理、模型构建的科学思维和方法的训练为核心,兼顾科学态度的培养,实现知识、能力、情感态度与价值观的三维教学目标。     

基于文献计量和遗传算法的土地利用优化研究进展

以Web of Science数据库中1999—2022年(截止2022年1月22日)关于遗传算法与土地利用的164篇英文和27篇中文文献为数据源,基于文献计量方法,对每年中英文发文量、文献来源国家、中英文文献学科方向、中英文载文期刊进行分析,探究基于遗传算法的土地利用优化的总体研究概况,然后利用CiteSpace软件对作者和研究机构合作网络、关键词共现网络和文献共被引网络进行可视化,分析研究热点。研究发现,(1)基于遗传算法的土地利用优化研究整体呈上升趋势,中国(包括港澳台地区)、美国、伊朗是发文量前三国家,研究属于环境、地理和规划的交叉领域。(2)研究者间形成了2个较大规模的合作网络和众多中小规模的合作网络,处于核心地位的研究机构来自发文量前十的国家。(3)绿色基础设施是重要的研究对象,多目标优化是主要的优化模型,与其它技术,如粒子群算法的结合和对比为重要的研究方向。(4)风力能源规划、自然环境保护、海绵城市规划、生物多样性、交通规划、规划支持系统构建是重要的研究内容,主要的研究方法包括带约束的多目标优化和空间优化模型。     

基于遗传算法的羊肚菌液体发酵动力学模型的建立

发酵动力学研究是实现发酵过程最优化控制及发酵过程放大的前提条件。本研究对羊肚菌液体深层发酵动力学进行了研究, 在Matlab软件平台上, 应用遗传算法对比了真菌生长较常用的Monod与Logistic方程在描述羊肚菌生长动力学时的优劣, 并对羊肚菌的生长、胞外多糖产生和基质消耗模型进行了参数估计。结果表明, Logistic方程与试验数据拟和情况更好, 并给出了羊肚菌液体深层发酵的动力学模型具体形式, 经验证, 模型的平均误差为5.8%。利用遗传算法选择羊肚菌动力学模型, 并进行参数估计与其他方法相比具有快速、搜索面广、接近全局最优解的特点, 在处理分批发酵动力学问题上具有不可比拟的优势, 发酵动力学模型的建立为发酵过程优化及放大奠定了基础。     

用遗传算法进行重组大肠杆菌发酵动力学的分析

重组大肠杆菌在诱导表达人表皮生长因子的过程促使细菌的生长受到抑制,一部分重组菌丧失了分裂能力,但仍保持着一定的代谢活力,分离成为存活但不能培养的细菌,根据大肠杆菌在表达外源蛋白过程中细胞生理状态的不同将细菌分为三类,提出一个描述诱导表达过程中重组大肠杆菌分离、生长的动力学模型．应用遗传算法对不同底物浓度的细胞生长、分离和产物合成的动力学参数进行了有效地估计,避免了传统算法可能陷于局部最优的问题,模型计算结果与实验结果吻合良好．分离模型在初始糖浓为5-20g/L的范围内可以较好地描述发酵过程中细胞生长、分离和目标产物表达的过程并具有一定的预测能力．     

基于深度残差神经网络迁移学习的牙形刺图像识别

为了探索基于深度神经网络模型的牙形刺图像智能识别效果,研究选取奥陶纪8种牙形刺作为研究对象,通过体视显微镜采集牙形刺图像1188幅,收集整理公开发表文献的牙形刺图像778幅,将图像数据集划分为训练集和测试集。通过对训练集图像进行旋转、翻转、滤波增强处理,解决了训练样本不足的问题。基于ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152五种残差神经网络模型,采用迁移学习方法,对网络模型进行训练以获取模型参数,五种模型测试Top-1准确率分别为85.37%、85.85%、83.90%、81.95%、80.00%, Top-2准确率分别为94.63%、94.63%、94.15%、93.17%、93.66%,模型对牙形刺图像具有较好的识别效果。通过对比研究发现,ResNet-34识别准确率最高,说明对于特征简单的牙形刺属种,增加网络深度并不一定能提升准确率,而确定合适深度的模型则不仅可以提高识别准确率,还可以节约计算资源。通过ResNet-34模型的迁移学习训练和重新训练效果对比可以看出,迁移学习不仅可以获得较高的准确率,而且可以较快获取模型参...     

“血糖平衡的调节”一节教学设计

在"血糖平衡的调节"一节教学中,对教材资源进行了取舍、加工、整合,通过情境创设、活动设计、模型构建等过程,学生完成本节课的知识学习和能力训练,并用所学知识解释生活中的问题,落实核心素养的培养。     

人工神经网络的局域性对网络训练速度的影响

从网络结构入手,提出了网络局域性的概念。作为网络结构的一种定量描述,探讨了网络结构与训练速度、预测精度间的对应关系。结果表明网络的训练速度随局域性的增加而增加,网络的预测精神在局域性０．５５附近达到最高,任何偏离都会导致网络预测精度的下降。为在生化过程具体应用中选择合理的神经网络类型提供了理论依据。     

基于人工神经网络-遗传算法的樟芝发酵培养基优化

采用优化模型对药用丝状真菌樟芝的复杂发酵过程进行建模,并获得最优发酵培养基组成.对樟芝发酵过程中的形态变化过程进行了观察,并分别采用人工神经网络(ANN)和响应面法(RSM)对樟芝发酵过程进行建模,同时采用遗传算法(GA)优化了发酵培养基组成.结果表明,ANN模型比RSM模型具有更好的实验数据拟合能力和预测能力,GA计算得到樟芝生物量理论最大值为6.2 g/L,并获得发酵最佳接种量及培养基组成:孢子浓度1.76× 105个/mL,葡萄糖29.1 g/L,蛋白胨9.4 g/L,黄豆粉2.8 g/L.在最佳培养条件下,樟芝生物量为(6.1±0.2)g/L.基于ANN-GA的优化方法可用于优化其他丝状真菌的复杂发酵过程,从而获得生物量或活性代谢产物.     

基于遗传算法的谷氨酸发酵动力学参数估计

把遗传算法应用于求解谷氨酸分批发酵动力学模型参数,取交叉概率Pc=0．8、变异概率Pm=0．06、初始种群为20、遗传世代数为200代,能进一步提高谷氨酸分批发酵过程状态变量的计算值与实验值的吻合程度。模拟值与实验值对比显示,该动力学模型能很好地反映谷氨酸分批发酵过程。     

改进的遗传算法在医用非线性曲线模型拟合中的应用

本文提出医用非线性曲线模型拟合改进的遗传算法,以指数曲线模型为例,选择了一组标样进行了模拟,结果表明,改进的遗传算法性能良好,可望成为各类医用非线性曲线拟合的有效手段。