双眼频差平行加工深度的模拟

我们过去的计算分析工作和心理物理实验证明双眼频差率和视差成正比,再根据目前已知的神经生理学研究结果,提出了一个从频差平行加工深度的方案.并在计算机上对三个不同倾斜锥线的立体图对进行了重建深度的模拟.结果满意.对这种平行加工的优点进行了讨论.     

神经元图像大数据的弱监督自动识别技术

在介观尺度上，小鼠大脑图像的数据量可达到10 TB量级，人脑数据量则达到惊人的几十PB，从海量脑图像数据中识别和分析神经元的形态是一项复杂且具有挑战的任务。当前研究人员提出了基于传统机器学习和深度学习的神经元识别算法，其中传统机器学习方法存在迁移、泛化能力较差的问题，基于深度学习的算法虽然可以通过海量精确标注的训练数据提高模型的泛化性，但缺乏精确且丰富的图像标记数据集，因此同样存在过拟合和泛化能力弱等问题。本文提出了一种基于深度学习的弱监督神经元识别方案，仅需要少量有标注的数据，即可通过迭代策略获取海量神经元图像的精确识别结果，具备较强的泛化能力，并最大限度减少人工参与量。该方法在fMOST、BigNeuron等数据集上进行了实验，自动识别精度F1值分别为0.9247和0.8318，优于其他对比的神经元识别算法。     

基于GTWR模型的浙江省海岸带三维生态足迹动态变化及其影响因素

厘清海岸带自然资本存量消耗和自然资本流量占用情况及其影响因素,能有效缓解海岸带社会经济发展与自然资源、生态环境之间的矛盾,促进区域协调可持续发展。本研究基于二维和三维生态足迹评价模型,分析浙江省海岸带2006—2016年生态足迹时空变化特征,基于足迹深度和足迹广度探究了区域自然资本存量和资本流量占用情况,并利用时空地理加权模型分析其影响因素的时空异质性。结果表明: 研究期间,浙江省海岸带生态危机加深,人均生态赤字平均值为3.5 hm²·cap^-1,人均生态赤字上升了15.5%,其中,能源消耗账户对人均生态足迹的贡献率大于生物资源账户;各县区人均生态足迹呈增长趋势,且空间分异显著。浙江省海岸带以消耗自然资本存量为主,且对自然资本流量更新起到较大的抑制作用;2016年,自然资本存量的消耗量是资本流量占有量的14.87倍。城市规模和经济发展水平、人民收入水平对浙江省海岸带各县区生态足迹以正向促进作用为主,渔业生产对生态足迹为负向影响,并有向正向影响作用转换的趋势,3个影响因子的影响机制时空分异性显著。     

土地流转背景下不同经营规模青田稻鱼共生系统的环境影响差异——基于碳足迹的实证研究

在快速工业化和城镇化的影响下,农业文化遗产的保护与管理正面临着适龄劳动力大量外流、土地抛荒、传统知识体系难以维持等诸多威胁与挑战。推动土地流转、进行适度规模经营,可在农业文化遗产的保护中产生积极作用。土地流转在给遗产地带来经济效益的同时,对当地生态环境产生的影响变化同样值得关注,但现有研究却少有涉及。本研究以全球重要农业文化遗产——浙江青田稻鱼共生系统为例,将不同经营规模的稻鱼共生系统分为小农户经营模式和规模化经营模式,运用生命周期法对两种模式的碳足迹进行核算。结果表明: 小农户经营模式和规模化经营模式的碳足迹分别为6510.80和5917.00 kg CO₂-eq·hm^-2,单位产值碳足迹分别为0.13和0.10 kg CO₂-eq·yuan^-1。与小农户经营模式相比,规模化经营模式温室气体排放更少,单位产值的环境影响更小。农户扩大经营规模后,当地温室气体排放减少了4097.20 kg CO₂-eq。农业生产过程中积累的CH₄在碳足迹中占比最大,农业生产资料中复合肥是仅次于CH₄的第二大温室气体排放来源。对于小农户经营模式,饲料中使用的玉米和小麦也对温室气体排放有重要的影响。因此,推动土地适度规模经营,有利于传统农业系统实现经济效益和环境效益的双赢,对于农业文化遗产保护具有重要作用。     

基于植保大数据的病虫害移动智能采集新设备

为提高农作物重大病虫害发生信息自动化、智能化采集能力,全面提升监测预警水平,笔者基于大数据、人工智能和深度学习技术,研发了一款农作物病虫害移动智能采集设备——智宝,主要实现了3个方面的功能:一是病虫害发生信息自动采集上报.通过该产品进行人工拍照,可实现对田间农作物重大病虫害发生图像、发生位置、发生数量、微环境因子等数据的实时采集和上报.二是自动识别计数.基于植保大数据与人工智能技术,通过构建病虫害自动识别系统,可实现重大病虫害精准识别与分析,只要拍摄照片,即可快速、精确地识别病虫害种类,并自动计数、上报到指定的测报系统.三是自动分析判别分级.针对拍摄采集上报的重大病虫害发生信息,系统可在自动识别和计数的基础上,进一步对病虫害发生严重程度进行智能判别分级,甚至根据相关预测模型,对病虫害的发生趋势进行辅助分析预测,提出预测建议.通过2016—2019年组织多地植保机构进行试验改进,该技术产品日趋成熟,有望在未来的农作物病虫害发生信息采集和预测预报工作中推广使用.     

祁连山5种典型灌丛土壤生态化学计量特征

土壤C、N、P生态化学计量特征是体现生态系统变化过程的重要依据。该研究以分布于祁连山北麓中段的甘青锦鸡儿、鲜黄小檗、金露梅、鬼箭锦鸡儿、吉拉柳等5种典型灌丛群落为研究对象,通过野外调查采样,测定土壤有机C、N、P含量,分析了不同灌丛群落土壤C、N、P含量及其生态化学计量比的垂直分布特征,并探讨了各指标间的耦合关系,为祁连山地区土壤-植物养分关系及退化植被恢复与重建提供理论依据。结果表明:(1)祁连山北麓中段5种灌丛群落土壤有机C(45.29 g/kg)、全N(3.85 g/kg)、全P含量(0.70 g/kg)较高,均高于全国平均水平。(2)相关性分析表明,土壤有机C与全N之间呈极显著正相关(P0.01),但土壤有机C与全P以及全N与全P之间没有明显的相关性,且土壤C、N含量变化几乎完全同步。(3)各灌丛类型土壤有机C、全N含量均表现为表层高于下层,而全P含量土层间差异不显著;各灌丛群落土壤有机C、全N含量均随土层加深呈现"倒金字塔"的分布格局,但不同灌丛类型全P含量随土层加深的变化规律却不一致,且土层对全P含量的影响不显著。(4)5种灌丛群落土壤整体C∶N、C∶P、N∶P(11.29、66.99、5.67)均低于全国平均水平,各灌丛群落土壤C∶P、N∶P随土层加深均呈不同程度的下降趋势,但不同灌丛群落土壤C∶N随土层加深的变化规律有所不同。(5)土壤有机C、全N与C∶N、C∶P、N∶P之间均具有极显著的二次函数关系(P0.01),土壤全P与C∶N、C∶P、N∶P之间关系不显著。研究认为,祁连山北麓中段土壤C∶N和P含量的稳定性较高(CV=3.99%和2.66%),C∶P、N∶P是判断研究区限制性养分的重要指标,祁连山北麓中段灌丛群落土壤主要受N素的限制。     

基于深度学习与多层次信息融合的药物靶标亲和力预测*

药物研发是非常重要但也十分耗费人力物力的过程。利用计算机辅助预测药物与蛋白质亲和力的方法可以极大地加快药物研发过程。药物靶标亲和力预测的关键在于对药物和蛋白质进行准确详细地信息表征。提出一种基于深度学习与多层次信息融合的药物靶标亲和力的预测模型,试图通过综合药物与蛋白质的多层次信息,来获得更好的预测表现。首先将药物表述成分子图和扩展连接指纹两种形式,分别利用图卷积神经网络模块和全连接层进行学习;其次将蛋白质序列和蛋白质K-mer特征分别输入卷积神经网络模块和全连接层来学习蛋白质潜在特征;随后将4个通道学习到的特征进行融合,再利用全连接层进行预测。在两个基准药物靶标亲和力数据集上验证了所提方法的有效性,并与其他已有模型作对比研究。结果说明提出的模型相比基准模型能得到更好的预测性能,表明提出的综合药物与蛋白质多层次信息的药物靶标亲和力预测策略是有效的。     

基于深度最大输出网络的抗体种型特异性B细胞表位预测

B细胞表位研究有助于肽段疫苗研制,抗体研制以及疾病诊断和治疗研究.不同的B细胞表位诱导免疫系统产生不同的抗体种型,探索研究能够诱导特异性抗体产生的B细胞表位具有重要意义.基于二肽组成特征,利用深度最大输出网络算法训练构建三个二类分类器,分别对应诱导三种不同特异性抗体的B细胞表位,即IgA表位,IgE表位以及IgG表位.通过五折交叉验证训练和测试这三个分类器,获得AUC的值分别为0.78,0.93以及0.78.IgA表位和IgE表位分类器的预测能力优于其它IgA表位和IgE表位分类器,IgG表位分类器和其它IgG表位分类器的预测能力相当.