太阳城集团亚洲娱乐城-澳门太阳城集团娱乐城最新地址_百家乐电影网_全讯网xb112 (中国)·官方网站

1. 構建了豬基因素材的高效挖掘平臺與分子育種標記開發技術體系。率先設計、建立了豬第一代寡核苷酸基因芯片的技術操作流程；優化了豬基因芯片的非特異過濾方法；開發了豬CRISPA/Cas9基因組編輯系統的sgRNA設計及脫靶效應評估軟件獲得軟件著作權，創建了多個病毒和細菌刺激的細胞和活體模型，發展了多個基因組學技術，實現了豬基因素材高效挖掘平臺與分子育種標記開發技術體系的構建。 2. 開發了10個用于優質健康豬培育、具有自主知識產權的分子育種標記。篩選出豬重要候選基因589個，向GenBank提交基因序列80條，鑒定到24個與產肉、免疫性狀顯著關聯的基因突變，取得10個具有自主知識產權的分子育種標記。 3. 構建了適用于優質健康豬培育的多標記聚合育種技術體系，取得了明顯社會經濟效益。 該項目實現了豬產肉性狀、抗病性狀基因的批量挖掘與驗證，開發出一批分子育種標記，建立了多標記聚合輔助育種技術體系，為湖北及我國優質健康豬的培育提供了豐富基因資源和技術支撐，取得了良好社會經濟效益。 成果完成時間：2016年

在塑膠包裝行業，鐳雕標記技術日益興起，近年來，利用激光在聚丙烯等塑膠制品表面進行雕刻標記得到了廣泛應用，但鐳雕高分子材料僅能夠進行黑色、白色和灰色的激光標記，色彩單一且缺乏視覺吸引力。江南大學開發出新型彩色鐳雕激光打標母粒，與聚合物材料熔融共混，幾乎不影響任何聚合物自身性能，制備出色彩豐富的鐳雕激光打標聚丙烯材料。本技術拓寬了激光打標應用，提高激光打標色彩豐富度與外觀效果，增強了激光標記產品的市場競爭力，已在國內外企業推廣使用。

低分子量肝素(LMWH)是臨床上最主要的天然抗凝劑，目前主要是通過動物來源的肝素進行酶降解制得。歐洲藥典要求 LMWH 的分子量為 6000~8000，質量控制是生產 LMWH 的重要環節。而肝素酶的活性和利用率直接影響 LMWH 生產成本和產業經濟。 本項目組利用融合肝素酶 I (Hep I)與甲殼素之間的親和作用，實現酶的循環利用，同時融合酶活性和穩定性提高。利用綠色溶劑體系制備形態完好、尺寸均一的甲殼素微球。用固定化酶制備的 LMWH 產品達到歐洲藥典要求，實現了分子量可控，生產過程可實時監測。該項目將對 LMWH 產業的綠色和經濟生產提供技術支持。目前已發表 SCI 論文 2 篇，并與相關企業開展了合作。 

本發明公開了一種基于二分法的機床加工穩定性邊界快速求解 方法，包括如下步驟:預設參數平面、判穩函數和迭代次數，對參數平面進行初步劃分;利用二維二分法將每個網格再次劃分為更小的子 網格;在每個子網格的頂點利用數值積分法求解判穩函數的函數值， 判斷子網格是否為包含網格;將非包含網格再次劃分并判斷，若仍為 非包含網格，則結束，否則，獲得新包含網格;利用二維二分法將獲 得的所有包含網格劃分為更小的子網格;重復進行判斷及劃分，逐步 逼近 f(x)曲線，直至達到預設迭代次數;=

本發明公開了一種基于開槽結構的四分之一?；刹▽V波器，包括四分之一模基片集成波導弧形腔，四分之一模基片集成波導弧形腔通過基片集成波導圓形腔沿任意兩條相互垂直的磁壁分割得到，四分之一?；刹▽Щ⌒吻话ń橘|基片，介質基片的上表面設有上金屬層，介質基片的下表面設有下金屬層，介質基片中沿四分之一?；刹▽Щ⌒吻坏闹芟蚓鶆蚍植加胸灤┥辖饘賹雍拖陆饘賹拥慕饘偻?。本發明相對于傳統的基片集成波導圓形腔有效實現了小型化。并且，相對于傳統的多層結構，本發明結構簡單，加工方便。此外，相對于傳統的微帶結構，本發明的濾波器品質因數高，損耗小。

導讀東北電力大學和長春理工大學研究團隊開發并實現一種結合腦電圖源成像(ESI)技術和卷積神經網絡(CNN)的新方法，以對運動想象(MI)任務進行分類。ESI技術采用邊界元法(BEM)和加權最小范數估計(WMNE)分別解決EEG的正向和逆向問題。然后在運動皮層中創建十個scout來選擇感興趣的區域(ROI)。研究者使用Morlet小波方法從scout的時間序列中提取特征。最后，使用CNN對MI任務進行分類。實驗結果:在Physionet數據庫上的整體平均準確率達到94.5%，分別對左拳頭、右拳頭、雙拳和雙腳的單個準確率達到95.3%、93.3%、93.6%、96%，采用十倍交叉驗證進行驗證。研究人員表示，他們的研究成果與最先進的MI分類方法的結果相比，總體分類增加了14.4%。研究者為驗證方法的有效性，加入了4個新的受試者進行驗證，發現總體平均準確率為92.5%。此外，全局分類器適應單一對象，整體平均準確率提高到94.54%。研究者表示，他們提出的結合scout ESI和CNN的方法，提高了腦電解碼四類MI任務的BCI性能。系統框架圖1 系統框架圖系統框架如圖1所示。原始數據來自國際10-10系統的64個電極(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10電極)，并以每秒160個樣本的速度采集。根據國際10-10系統從64個通道采集原始腦電圖，并使用BCI2000系統進行記錄。記錄的數據被分為四個獨立MI任務包括左拳MI,右拳MI,雙拳MI和雙腳MI。首先，由于ERD在執行運動想象時在alpha和beta中不同，因此使用FIR濾波器對EEG進行了8 Hz至30 Hz的帶通濾波。然后，通過計算包含正問題和逆問題的源，將傳感器空間的活動轉化為源空間的活動。接下來，創建scout并提取特征。研究者在運動皮層中創建了10個scout，因為我們只關心與運動相關的活動。十個scout中的每一個都代表了可用源空間中的一個感興趣的區域(ROI)，并且是定義在皮層表面或頭部體積上的偶極子的子集。左腦的scout稱為L1、L2、L3、L4、L5，右腦的scout稱為R1、R2、R3、R4、R5。利用JTFA從10個scout的源時間序列中提取特征。最后，利用CNN對時頻圖進行分離并進行分類。實驗在實驗中，研究人員僅使用了隨機選擇的十個受試者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。這里用于分析的數據集包含每個受試者84次試驗，每一類包含21次試驗。在記錄64通道腦電圖時，受試者執行了不同的運動想象任務。每個受試者針對以下四個任務中的每一個執行了3輪21試驗：當目標出現在屏幕左側時，受試者想象打開和合上相應的拳頭，直到目標消失。然后受試者放松。當目標出現在屏幕的右側時，受試者想象打開和合上相應的拳頭，直到目標消失。然后受試者放松。當目標出現在屏幕頂部時，受試者想象打開和合上雙手的拳頭，直到目標消失。然后受試者放松。當目標出現在屏幕底部時，目標會想象雙腳張開和合攏，直到目標消失。然后受試者放松。為了統一數據維數，研究者選擇了4s的數據，因為每次想象任務的執行時間都在4s左右。此外，腦電圖任務是分開的，研究人員在實驗中將左拳，右拳，雙拳和雙腳MI任務分別稱為T1，T2，T3和T4。圖2 scout命名左右運動想象的scout分別命名為L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如圖2所示。10個scout每一個都被擴展到40個頂點，每個頂點只有一個源。L1區域對應40個信號，其他scout也一樣。在計算了來源后，研究者在運動皮層中創建了十個scout，如圖3所示。圖3 創建10個scout使用ESI計算十個受試者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次試驗的四個任務(T1、T2、T3、T4)的源。對于這四項任務中的每一項，每個受試者每次都要進行7次測試(#1，#2，#3，#4，#5，#6，#7)。展示了第一個步的10個被試的10個scout的4項任務的來源。然后提取10個scout的時間序列進行進一步分析。特征提取在計算源之后，研究人員在運動皮層中創建了包含40個源的10個scout，并提取了scout的時間序列。如圖4所示為提取R5 scout時間序列作為示例。圖的右邊顯示了R5 scout的時間序列。本文利用小波變換從scout時間序列中提取特征。圖4 提取R5 scout時間序列作為示例在這項研究中，研究者提出利用CNN來解決運動想象任務分類的問題。該模型基于Schirrmeister等提出的Deep ConvNet架構，該網絡模型由一個六層卷積網絡組成，其中兩個最大池層和三個全連接層，如圖5所示。圖5對于Physionet數據庫，研究者首先采用Deep ConvNet架構，包括四個卷積層、四個最大池層和一個全連接層。在實驗中，研究者依據經驗使用兩個最大池化層。并嘗試了不同數量的卷積層和完全連接層。時頻圖利用Morlet小波方法得到了scout的特征。對于每個任務，R5 scout的時頻圖如圖6所示。包含時間和頻率互補的時頻分析方法提供了時域和頻域的聯合分布信息，清晰地描述了信號頻率與時間的關系。圖6 R5 scout的時頻圖顯然，只有部分時頻映射是紅色的，表明每個任務只對特定的頻率和時間敏感。由于圖的數量比較大，研究者使用CNN來選擇和學習這些圖中最基本的特征。研究人員隨機選擇了幾個樣本，并將一些特征圖可視化，作為MI任務的學習表示，如圖7所示。圖7為了獲得有效的結果，將數據集分為90％作為訓練集，其余10％作為測試集。首先，將十個受試者的數據集（總共19320個樣本）分為17388個樣本以訓練所提出的CNN模型，以及1932個樣本以驗證模型的有效性。在實驗中，研究者還選擇了另外四個受試者的數據集以增加數據集的規模(27048個樣本)，其中24343個樣本是訓練集，其他樣本是測試集。在選定的scout上對所提出的CNN架構進行了十次訓練和測試，以驗證所提出模型的魯棒性。圖8(a)顯示了10個scout中每個的全局平均精度。圖8 統計結果R5的全局平均精度最高，達到94.5%，而L2的全局平均精度最低，為91.3%。對應L1、L3、L4、L5、R1、R2、R3、R4的整體準確率分別為92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的總體精度均在91%以上，標準差均在0.20%以下。圖8(b)顯示了十個scout中每個scout四個MI任務的組級統計結果及其標準差。一般來說，R5表現的要比其他的好，而L2在迭代2000中表現最差。標準差較小，說明這些精度更接近平均值且穩定。圖9 統計結果圖9(a)顯示了帶有標準差的混淆矩陣，說明了group level分類結果。T1、T2、T3和T4的全局平均精度峰值分別為95.3%、93.3%、93.6%和96.0%。R5 scout的四個MI任務中的每一個都如圖9(b)所示。通過改變訓練集和測試集順序的10次試驗，確定了scoutR5的性能，結果如圖10(a)和(b)所示。在10次試驗中，scout R5的T1、T2、T3、T4的平均準確率分別為93.3%、93.8%、94.2%、94.1%。換句話說，四個任務中每一個的平均準確率都超過了93%。全局平均準確率為93.7%。10次試驗結果表明，該方法對scout R5的分類效果較好。從以上結果可以清楚地看出，R5 scout在四種MI任務的分類中扮演著最重要的角色。因此，選擇R5對四個MI任務進行分類。圖 10圖11. (a)是不同模型的全局平均準確性的比較?？梢园l現，該研究提出的模型可以達到最大的精度。從圖11. (b)不同模型的ROC曲線可以看出提出的模型比其他模型表現更好。?不同模型T1上的精度比較。(d)不同模型T2的精度比較。(e)不同模型T3的精度比較。(f)不同型號T4的精度比較。圖11 不同模型的精度比較結論東北電力大學和長春理工大學研究團隊開發并實現一種結合腦電圖源成像(ESI)技術和卷積神經網絡(CNN)的新方法。該方法可以對運動想象(MI)任務進行分類。實驗結果表明，他們的研究成果與最先進的MI分類方法的結果相比，總體分類增加了14.4%。研究者加入了4個新的受試者進行驗證來驗證方法的有效性。研究者表示，他們提出的結合scout ESI和CNN的方法，提高了腦電解碼四類MI任務的BCI性能。論文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程機械機電液一體化系統的動態性能匹配方法與分析軟件（以下簡稱為軟件）， 能夠根據用戶對工程機械整機動力配件的選型，自動組成整機系統模型，并預測工程機 械整機運行時的性能以及各配件的功率輸出和發熱情況。該軟件可應用于工程機械產品 開發的各個階段如參數選型，性能匹配、故障診斷、實驗輔助等，并已成功應用于山推 工程機械股份有限公司的新產品開發中。 技術特點： (1) 機電液熱融合建模，理論定位高級。軟件以預制的機電液零部件模塊模型為基 礎，可快速地、精細化地實現極端工況條件下機電液融合模型。 (2) 一體化的系統分析，問題覆蓋面廣。軟件綜合多種軟件資源，對特定工程機械 機型的核心動力系統，可實現任意節點輸出的、圖解化的、基于機械系統實驗結 果的系統分析。 (3) 機型軟件快速開發，面向用戶需求。軟件可針對牽引底盤和非牽引底盤，快速 開發出面向特定工程機械機型的機電液一體化性能分析軟件。 (4) 功能契合實際需要，適用范圍廣泛。適用于工程機械各個技術階段的參數選型、 性能匹配、故障診斷、以及實驗輔助。

項目簡介： 線蟲是危害大豆和土豆等諸多重要農作物的一類主要害蟲。目前 殺滅線蟲的主要方式是化學農藥法和基因改造法?；瘜W農藥法的作用 因為線蟲快速產生的抗藥性以及線蟲卵殼強大的保護作用而收效甚 微；而基因改造的大豆或土豆只能抗拒若干種屬線蟲的危害，對于無 法選擇性抗拒的種屬則無計可施，而且基因改造法顯然無法滿足消費 者對高端非轉基因綠色農產品的消費需求。 在人們對線蟲的治理乏力的時候，Glycinoeclepine A，一種線蟲 孵化信息素的發現使人類看到了對抗線蟲的曙光。這種新的殺滅線蟲 的方式為大豆，土豆等深受線蟲危害的植物提供了新的保護機制。目 前的幾個化學合成的解決方案路線冗長，僅僅證明了該化合物是可以 人工合成的，無法真正的攻克對該化合物大量制備的要求，因而極大 的限制了它的應有推廣。 本項目在前期工作的基礎上，發展了高效的快速合成該信息素關 鍵六五并環體系的方法，一步構筑了其核心骨架結構，并精準的控制 了若干手性中心的生成。為該化合物的實用性合成打下了堅實的應有 基礎。在該項目中，我們擬完成對該化合物的高效合成并進行產業化 推廣。因為該化合物的活性達到非常高效的皮摩爾/L 的活性，對該化 合物的百毫克級的合成就可以支撐起大面積的推廣實驗。由于起始原 料便宜（200 元/公斤），且路線設計巧妙，所用試劑易得，符合農藥 分子的低成本要求。我們相信在兩年內可以達到幾十克級別的生成水平，完成對該信息素的產業化推廣。

本項目針對目前粉煤灰制取分子篩存在的粉煤灰中硅鋁溶出率不高、制得的分子篩純度低、粉煤灰中鋁利用率低等問題，提出粉煤灰首先經碳酸鈉焙燒活化，經活化后粉煤灰中硅鋁的溶出活性得到提高?；罨蟮姆勖夯医泬A溶出過程中，溶液中的硅和鋁的容出速度不同，且存在過飽和現象。利用這一溶解性質的差異，可以先用少量水浸出硅酸鈉，過濾后得到硅酸鈉溶液。向硅酸鈉溶液中通入CO2，可通過沉淀法制備白炭黑產品。這樣既可以脫除粉煤灰中部分硅，生產白炭黑，又可以提高粉煤灰中鋁硅比，再用堿液來浸取脫硅后的粉煤灰，得到硅鋁酸鈉浸出液，經過濾，調節pH，可在不同pH條件下的過飽和期內分離反應混合物，解決粉煤灰中硅鋁的共溶出問題，利用溶出液中的硅鋁制備純沸石分子篩，實現粉煤灰中硅和鋁的回用。由于利用活化粉煤灰中的硅和鋁共溶出制備分子篩，與一般堿、硅酸鈉和鋁酸鈉混合反應制備分子篩的原料不同，在同樣的晶化條件下，老化時間顯著縮短，節省能耗。 隨著經濟的發展，對電力的需要會不斷增加，這意味著粉煤灰的排放會越來越大。所以，本項目可提供用于粉煤灰制備各類純沸石分子篩的基本原料，也為粉煤灰綜合利用提供一種新工藝。 應用范圍：涉及粉煤灰的綜合利用及生產白炭黑和分子篩材料的生產方法，適用于制備A型、X型、Y型、L型、絲光沸石及毛沸石等具有硅鋁酸鹽晶體骨架結構的各類分子篩。  

我國是世界大豆主要消費國,近年來的年消費量超過7000萬噸.但是,我國消費大豆約80%依賴于進口,造成我國大豆種植面積嚴重萎縮,危及我國食品安全及土壤可持續生產能力的保持.所以,大豆是我國最需發展的作物,也是發展潛力極大的作物.發展大豆生產,品種是基礎,而品種的培育則取決于種質資源的創新和育種技術的發展.因此,本項目開展大豆分子育種技術和高產,優質,抗病新品種選育研究,把RNA干擾技術應用于大豆蛋白質改良,建立大豆品質快速改良的新途徑;分離和克隆大豆品質,抗性相關功能基因,為大豆分子育種提供選擇依據;利用分子育種技術和常規育種技術聚合高產,優質,抗病基因,創制高產,優質,抗病大豆新種質,培育高產,優質,抗病的大豆新品種并示范推廣.項目從2004年開始實施,取得了多項研究成果.