Robust leader-follower formation tracking control of multiple underactuated surface vessels

This paper is concerned with the formation control problem of multiple underactuated surface vessels moving in a leader-follower formation.The formation is achieved by the follower to track a virtual target defined relative to the leader.A robust adaptive target tracking law is proposed by using neural network and backstepping techniques.The advantage of the proposed control scheme is that the uncertain nonlinear dynamics caused by Coriolis/centripetal forces,nonlinear damping,unmodeled hydrodynamics and disturbances from the environment can be compensated by on line learning.Based on Lyapunov analysis,the proposed controller guarantees the tracking errors converge to a small neighborhood of the origin.Simulation results demonstrate the effectiveness of the control strategy.     

基于神经网络的南太平洋长鳍金枪鱼渔场预报

南太平洋长鳍金枪鱼是我国远洋渔业的重点捕捞对象;对南太平洋长鳍金枪鱼进行准确的渔场预报;可以提高捕捞效率;提高渔业的生产能力。本研究根据1993-2010年南太平洋长鳍金枪鱼的延绳钓生产数据以及海洋卫星遥感数据（海水表面温度;SST;海面高度;SSH）和ENSO（El Niño-Southern Oscillation）指标;采用DPS（data processing system）数据处理系统中的BP人工神经网络模型;以渔获产量（单位时间的渔获尾数）和单位捕捞努力量渔获量（CPUE;Catch per unit of effort）分别作为中心渔场的表征因子;并作为BP模型的输出因子;以月、经度、纬度、SST、SSH和ENSO指标等作为输入因子;分别构建4-3-1;5-4-1;5-3-1;6-5-1;6-4-1;6-3-1等BP模型结构;比较渔场预报模型优劣。研究结果表明;以CPUE作为输出因子的BP人工神经网络结构总体上较优;其中以6-4-1模型结构为最优;相对误差只有0.006 41。研究认为;以CPUE为输出因子的6-4-1结构的人工神经网络模型;能够准确预报南太平洋长鳍金枪鱼的渔场位置。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

沿海GNSS观测网中BERNESE软件处理方案比较

采用BERNESE软件"OBS-MAX"和"SHORTEST"两种独立基线生成方式和三种网平差基准定义方法制定出6种GNSS数据后处理方案,分别对中国沿海GNSS业务化观测网2009年与2011年的两批数据处理,并从外符合和内符合精度两个方面进行分析比较。结果表明:采用"OBS-MAX"独立基线生成方式得出的坐标精度更优,尤其是在原始观测数据质量不高的情况下;在网平差基准定义上,采用固定解得出的坐标内符合精度优于最小约束解,但其外符合精度较差。     

Distribution and invasion of Spartina alterniflora within the Jiaozhou Bay monitored by remote sensing image

Spartina alterniflora as an alien invasive plant, poses a serious threat to the ecological functions of the coastal wetland of the Jiaozhou Bay. As of 2019, the distribution area of S. alterniflora in the Jiaozhou Bay has reached more than 500 hm². For this reason, combined with field surveys, remote sensing monitoring of the invasion S.alterniflora in the Jiaozhou Bay has been carried out. To accurately identify S. alterniflora within the Jiaozhou Bay coastal wetland, we used a new m...     

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。     

基于网络药理学和分子对接技术探究柯里拉京治疗卵巢癌的关键靶点及分子机制

目的：采用网络药理学和分子对接技术相结合的方法探究柯里拉京（Cor）治疗卵巢癌的关键作用靶点和分子机制。方法：利用PharmMapper、TargetNet及Swiss Target Prediction在线工具预测Cor的作用靶点,通过OMIM、TTD、CTD、DisGenet、PharmGKB及MalaCards数据库获取卵巢癌相关的疾病靶点,并将药物靶点与疾病靶点取交集得到Cor治疗卵巢癌的预测靶点。借助STRING数据库、Cytoscape 软件构建蛋白质-蛋白质相互作用（PPI）网络,并采用CentiScape插件筛选出PPI网络中的核心靶点。运用GEPIA和Kaplan-Meier Plotter在线平台分别对这些核心靶点进行基因表达差异分析和生存分析,以明确Cor治疗卵巢癌的关键靶点。利用DAVID数据库进行基因本体（GO）功能及京都基因与基因组百科全书（KEGG）通路富集分析。运用Autodock Vina软件进行正向分子对接,预测关键靶点和Cor之间的结合活性。结果：Cor治疗卵巢癌的预测作用靶点共24个,其中RAC-α丝氨酸/苏氨酸蛋白激酶(AKT1)、表皮生长因子受体(EGFR)、雌激素受体1(ESR1)、原癌基因酪氨酸蛋白激酶(SRC)是Cor治疗卵巢癌的关键靶点,主要涉及血管内皮生长因子(VEGF)信号通路、缺氧诱导因子-1(HIF-1)信号通路及叉头样转录因子(FoxO)信号通路,可能通过调控细胞凋亡、细胞增殖、血管内皮细胞迁移等生物过程而发挥治疗卵巢癌的作用。分子对接结果显示,Cor与预测靶点之间具有较好的亲和力,表明通过网络药理学预测作用靶点的方法具有良好的可靠性。结论：Cor是通过多靶点、多通路的协同作用来干预多个生物过程,从而发挥其抗卵巢癌疗效,为进一步研究其治疗卵巢癌的分子机制提供了新的线索。     

沉积物粒度组分空间预测的神经网络残余kriging方法

针对近海表层沉积物粒度组分空间变异的尺度差异性,提出了基于广义回归神经网络残余kriging的沉积物粒度组分空间预测方法,并以海州湾沉积物粒度数据为基础,分析了其在沉积物粒度组分空间预测和底质类型制图中的应用效果。结果表明,广义回归神经网络残余kriging方法能够获得比普通kriging方法更高的沉积物粒度组分空间预测精度,并且其底质类型的总体空间预测精度达到85%以上,相应的Kappa系数也在0.8以上,显示底质制图的预测类型与样本的实测类型具有较高的一致性。新方法对于开展定量化的沉积物粒度组分空间预测和底质类型制图具有参考价值。     

一种树型网络拓扑简图的生成算法

给出一种树型网络拓扑的语义描述方法及其拓扑简图的生成算法。该方法通过建立网络联接线路标识串集和网络设备连接标识串集，来构造网络设备的拓扑描述，并计算生成网络拓扑简图。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。