血管瘤和脉管畸形内皮细胞增生的研究

采用４级分类法对３７８例脉管病变内皮细胞增生程度进行了分级，其中５４例作了ＡｇＮＯＲ和肥大细胞计数。结果：血管瘤内皮细胞增生为Ⅱ、Ⅲ级，而脉管畸形组内皮细胞增生为Ｏ或Ｉ级。ＡｇＮＯＲ和肥大细胞计数，血管瘤明显高于脉管畸形组，表明血管瘤和脉管畸形是性质不同的两种病变。本文还总结了血管瘤和脉管畸形的病变特征和鉴别要点，以利于诊断、治疗和进一步的研究。     

Ca—ATPase活性的细胞化学法初探

本文对Ca—ATPase活性的细胞化学方法进行了探讨。利用国产试剂在现有的条件下,以枸椽酸铅法对肝、肾、脑和输卵管等,着重对心肌细胞的膜系统进行了研究,通过电镜观察其Ca—ATPase活性的显示,并在操作中谈了一些初步体会。     

基于模糊神经网络间隔调速模型的研究

间隔调速控制是驼峰控制的重点,目前普遍使用的间隔调速算法是出口定速法,不能适应车辆行驶的动态过程,容易出现错误导致事故发生。为此,本文提出了一种基于模糊神经网络理论求得动态出口速度的模型,使用改进的误差反向传播学习算法进行学习,具有很好的自学习和自适应能力,能根据列车的溜放实际情况自动调整减速器出口速度。     

Dynamic control of a remotely operated vehicle using a neural network

The control of a remotely-operated underwater vehicle to maintain a prescribed depth in shallow water under irregular surface waves is realized through the application of the Robust Adaptive Neuro Controller, a composite control system incorporating—together with the conventional control algorithm—a neural network controller. This network bestows a learning capability on the system, allowing it to deal with unanticipated disturbances that would otherwise cause erroneous behavior of the vehicle. The effectiveness of this application is verified through mathematical simulation of a model vehicle's behavior, through experiment in a model basin, and through simulation of the behavior of an actual remotely operated vehicle in shallow water under irregular surface waves. Graphic data representing the learning process undergone by the neural network distinctly indicate the rising output from the network with the progression of learning, and the vehicle's depth variation traced in terms of the mean square error vividly show the diminution of deviation from the prescribed depth obtained with application of the neural network. Thus controlled to maintain constant depth, under-water vehicles with power supplied externally through a tether for propulsion and for heavy-duty operations should consolidate their advantage for such activities as maintenance of submarine structures and surveys in deep or hazardous water.     

慢性氟中毒对大白鼠免疫功能的影响

长期服用氟化钠水溶液后，对大白鼠进行免疫功能测试，结果证明用８８．５ｍｇ／Ｌ氟化钠水溶液服用３１５ｄ时，大白鼠的体液免疫反应（以血清凝集素和ＰＦＣ为指标）及细胞免疫反应（以Ｅ—玫瑰花结形成和ＡＮＡＥ为指标）均有抑制作用，尤其是对食用低营养食物的大白鼠，抑制作用更为显著。     

WIDESPREAD OCCURRENCE OF PTH－RELATED PROTEIN （PTHrP） AND PTH／PTHrP RECEPTOR mRNAS IN GUT EPITHELIAL CELLS

ＷＩＤＥＳＰＲＥＡＤＯＣＣＵＲＲＥＮＣＥＯＦＰＴＨ－ＲＥＬＡＴＥＤＰＲＯＴＥＩＮ（ＰＴＨｒＰ）ＡＮＤＰＴＨ／ＰＴＨｒＰＲＥＣＥＰＴＯＲｍＲＮＡＳＩＮＧＵＴＥＰＩＴＨＥＬＩＡＬ　ＣＥＬＬＳＬｉＨｕｓｏｎｇ；Ｓ．Ｒａｊａｒａｍａｎ，Ｐ．Ｓｅｌｖａｎａｙａ...     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

基于混合系统建模预测控制的列车自动驾驶优化运行

针对现有列车自动驾驶速度追踪精度不高的问题,提出一种基于混合系统神经网络反馈补偿控制的模型预测控制算法。根据混合系统建模的特点与优势,引入辅助变量,建立混合系统列车运行动力学模型。为了便于求解包含约束的预测控制律,采用二次规划方法求出满足列车各项性能指标的控制作用序列。神经网络反馈控制器用于对系统目标速度与实际速度之间的误差进行在线学习并求出一个补偿控制量,并将补偿后的控制力作用于列车系统模型。研究结果表明:该控制结构包含补偿控制策略,可以较大程度减小系统跟踪误差,保留模型预测控制的优势,同时提高系统的控制精度。     

城市轨道交通线网时空相关性客流预测研究

城市轨道交通客流预测是一个时空相关的复杂问题,仅根据车站的历史数据很难得出更有参考价值的预测结果。提出基于Elman神经网络算法的时空相关性客流预测方式。其模型输入包括车站的历史数据和线网中其它车站及交叉线路车站的时空相关性数据。前者从车站前3周数据中提取纵向强时间相关性数据;后者从相关车站的前3周数据中提取横向强时间相关性数据。提取过程均采用Spearman算法。在两条交叉线路共33个车站3周时间范围的客流数据上,利用Elman神经网络算法比较分析时空预测方式和时间预测方式的预测性能。试验结果表明,时空预测方式对实际客流的预测精度优于时间预测方式。最后,在时空预测的基础上进行客流多步预测,为城城市轨道交通有效的客流疏导提供数据支持和相对宽裕的时间。     

基于GRNN神经网络的地铁疏散预警及对策研究

针对国内地铁车站客流无序性和突发性的现状,提出基于广义回归神经网络GRNN的地铁车站客流预警模型。以南京地铁全线网某时段客流数据为输入样本,运用GRNN神经网络进行训练与测试,得出预测数据并对比实际数据进行误差分析。结果表明:预测数据拟合,精度可行。将预测数据与南京地铁实时客流预警系统相结合,提出突发性大客流应急情况下的运营服务对策措施,为地铁运营管理单位避免突发大客流造成人员踩踏、恐慌等事故提供参考。