Adaptive Neural Network Structure Optimization Algorithm Based on Dynamic Nodes

Large-scale artificial neural networks have many redundant structures, making the network fall into the issue of local optimization and extended training time. Moreover, existing neural network topology optimization algorithms have the disadvantage of many calculations and complex network structure modeling. We propose a Dynamic Node-based neural network Structure optimization algorithm (DNS) to handle these issues. DNS consists of two steps: the generation step and the pruning step. In the generation step, the network generates hidden layers layer by layer until accuracy reaches the threshold. Then, the network uses a pruning algorithm based on Hebb’s rule or Pearson’s correlation for adaptation in the pruning step. In addition, we combine genetic algorithm to optimize DNS (GA-DNS). Experimental results show that compared with traditional neural network topology optimization algorithms, GA-DNS can generate neural networks with higher construction efficiency, lower structure complexity, and higher classification accuracy.     

The Genetic Code: What Is It Good For? An Analysis of the Effects of Selection Pressures on Genetic Codes

How did the ``universal' genetic code arise? Several hypotheses have been put forward, and the code has been analyzed extensively by authors looking for clues to selection pressures that might have acted during its evolution. But this approach has been ineffective. Although an impressive number of properties has been attributed to the universal code, it has been impossible to determine whether selection on any of these properties was important in the code's evolution or whether the observed properties arose as a consequence of selection on some other characteristic. Therefore we turned the question around and asked, what would a genetic code look like if it had evolved in response to various different selection pressures? To address this question, we constructed a genetic algorithm. We found first that selecting on a particular measure yields codes that are similar to each other. Second, we found that the universal code is far from minimized with respect to the effects of mutations (or translation errors) on the amino acid compositions of proteins. Finally, we found that the codes that most closely resembled real codes were those generated by selecting on aspects of the code's structure, not those generated by selecting to minimize the effects of amino acid substitutions on proteins. This suggests that the universal genetic code has been selected for a particular structure—a structure that confers an important flexibility on the evolution of genes and proteins—and that the particular assignments of amino acids to codons are secondary. Received: 29 December 1998 / Accepted: 8 July 1999     

交通噪音对中缅树鼩行为、学习记忆和氧化应激的影响

为探讨噪音刺激对中缅树鼩行为、学习记忆和氧化应激的影响,将中缅树鼩在噪音0 dB、40 dB和80 dB条件下持续刺激8h,连续28 d,测定其体重、摄食量、Y型迷宫正确反应率和行为变化,并测定脑中丙二醛(Malondialdehyde,MDA)、超氧化物歧化酶(Superoxide dismutase,SOD)、乙酰...     

基于随机森林算法的中国西南地区林火发生预测模型构建及驱动因子

林火直接破坏森林资源,改变森林的结构与功能,影响局地甚至全球气候状况并威胁人类生命和财产安全,在气候变暖背景下林火将更加频发,因此开展林火预测/预报研究至关重要。利用MODIS （Moderate-resolution Imaging Spectroradiometer）的温度异常/火产品（MOD14A1）获取逐日林火数据,分析了2001-2018年中国西南地区林火时空分布特征;采用随机森林算法,综合考虑气象、地形、可燃物状况及植被等林火驱动因子,构建了中国西南地区干、湿季林火发生预测模型,系统分析了西南地区干湿季林火发生的主要驱动因子。结果表明：（1）中国西南地区林火主要集中分布于云南大部、四川西南部及贵州南部地区,并呈集聚分布特征;林火多发于干季,占林火发生总次数的96.5%,年林火发生次数呈阶段性变化特征,2001-2014年呈现显著增加趋势,随后表现为不显著减少趋势;（2）构建的干、湿季林火发生预测模型能较准确地模拟林火发生状况：训练期模型准确率分别处于82.94%-83.99%与85.12%-90.31%之间,AUC （Area Under Curve）值分别处于0.908-0.914与0.922-0.965之间;测试期模型准确率分别为79.73%和83.27%,AUC值分别为0.886和0.855;（3）海拔是西南地区林火发生最关键的限制因子,林火多集中于中海拔区,而在低海拔和高海拔地区林火不易发生,这与人类活动密切相关。当日的气象条件是干季林火发生次重要的驱动因子,可燃物的温湿度状况则是湿季林火发生次重要的驱动因子。FWI系统指标（Fire Weather Index）在西南地区有较好的适用性且对于区域干湿季林火发生均有重要的影响,因此在西南地区林火预测/预报工作中有必要引入FWI系统指标。     

中国植被碳源/汇时空演变特征及其驱动因素

植被生态系统对植被碳汇至关重要,是实现中国“碳中和”目标的重要路径之一。选择1981—2019年全球逐日NEP模拟数据产品,对1981—2019年中国植被碳源/汇时空演变进行分析,确定气候变化和人类活动对植被碳源/汇的影响区域,并量化生态修复治理工程对植被碳汇的成效。(1)通过使用BFAST模型监测NEP年际突变范围,确定2001年为时间断点,对比分析1981—2001年与2001—2019年NEP时空变化特征及驱动因素。(2)1981—2001年段植被碳汇大范围呈现递减趋势。2001—2019年,中国整体植被碳汇增加,尤其是北部地区NEP增长趋势显著。(3)1981—2001年中国北部地区植被固碳能力下降,受降水、辐射影响为主。2001—2019年,大部分地区NEP变化与降水相关性显著。(4)1981—2001年人类活动导致植被碳源/汇变化占总面积的4%,主要分布于东北地区和西南地区。2001—2019年中国植被碳源/汇变化由人类活动影响占比提高至26.23%,其中植被固碳能力提升占比25.22%。气候变化负向影响植被固碳能力较于1981—2001年减少约30%。说明人类活动在一定程...     

滇西北森林郁闭度估测模型——基于全球生态系统动力学调查多波束激光雷达数据

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型。结果表明:(1)EBK法预测精度高,估测结果可靠,R²:0.20-0.92,RMSE:0.004-2812.912,MAE:0.003-1996.258,MRE:0.007-4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM-RFE 法优选出6个参数(cover、pai、sensitivity、rv_a1、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5%为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson法以相关性大于0.3且在0.01水平显著优选出5个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM-RFE和RF方法优选参数构建估测模型的精度更佳,SVM-RFE方法优选参数研建估测模型精度变化相对稳定,以 RF方法中的BO-GBRT模型为最佳FCC估测模型(R²=0.85、RMSE=0.069,P=86.5%);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4-0.7,分别占比65.45%、51.79%。研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性。研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础。     

颗粒粒径测量中约束正则CONTIN算法分析

介绍用于光子相关光谱法颗粒粒径分布反演计算的约束正则化方法及基于它的CONTIN算法,通过数值模拟反演理想单峰和双峰分布,分析CONTIN算法的展宽效应、该效应与粒径的关系.利用实验测量比较了指数采样法、非负约束最小二乘法和CONTIN算法的反演结果.研究指出CONTIN的分辨力与粒径有关,总体较弱.合理选择小正则化参数或者缩小反演范围能改善反演质量.     

基于残基相互作用网络比对的木聚糖酶热稳定性的研究

研究木聚糖酶的耐热机理能够提升工业生产效率和经济效益。本文使用提出的SI-MAGNA残基相互作用网络比对算法对来自嗜热子囊菌（Thermoascus aurantiacus）的耐热型木聚糖酶和来自变铅青链霉菌（Streptomyces lividans）的常温型木聚糖酶进行网络比对,以探究影响两者结构稳定性和热稳定性的因素。通过比对结果分析：证实了(βα)8-桶结构的低序列保守性及β折叠对结构稳定性的作用;发现了1E0W的loop1区域中独有一个310-螺旋结构影响了结构稳定性;1TUX中的α1’短螺旋结构和相对较短的β4α4-loop区域有助于提升其结构稳定性和酶的热稳定性;推测1TUX的β4α4-loop区域中独有的氢键转折结构和1E0W的loop6区域中独有的2个β桥结构可能引起空间结构的细微差异,从而影响酶的热稳定性。