葡京娱乐场-富盈娱乐场开户

總結(jié)了過去20年來siRNA藥物在癌癥治療領(lǐng)域中的發(fā)展進(jìn)程、企業(yè)和市場分布狀況；分析和總結(jié)了功能性無機(jī)-有機(jī)雜體系在siRNA遞送進(jìn)展中的優(yōu)勢；總結(jié)了雜化納米材料構(gòu)建的基本策略，以優(yōu)化siRNA遞送。同時，他們還分析探討了該領(lǐng)域的發(fā)展趨勢。相關(guān)研究成果以“Engineering functional inorganic–organic hybrid systems: advances in siRNA therapeutics”為題發(fā)表在Chem. Soc. Rev.上（Chem. Soc. Rev., 2018, 47, 1969-1995），并入選該期的封面（Chem. Soc. Rev., 2018, 47, 1903-1903）。綜述第一作者沈建良博士于2014年畢業(yè)于我校化學(xué)學(xué)院，目前受聘于中科院溫州生物材料與工程研究所及溫州醫(yī)科大學(xué)眼視光學(xué)和視覺科學(xué)國家重點(diǎn)實(shí)驗室擔(dān)任課題組長，課題組主要從事智能多功能化納米制劑在腫瘤中的診療應(yīng)用。

產(chǎn)品詳細(xì)介紹1、材料：采用鋼木復(fù)合結(jié)構(gòu)，進(jìn)一步提升了使用者的舒適性; 結(jié)構(gòu)緊奏，顯示器角度可任意調(diào)整。2、表面處理：經(jīng)酸洗、磷化防腐防銹后靜電噴塑，正常使用塑面經(jīng)久耐用。3、整體造型設(shè)計以人為本，邊角圓弧過渡，工藝精湛，高貴大方。4、蓋板由路軌推拉和折疊相結(jié)合。5、控制面板、顯示器面板為活動件，拆卸方便。6、設(shè)備箱內(nèi)隔板活動可調(diào)，所有鉸鏈用豪華內(nèi)藏式鉸鏈。7、安全防盜，鎖好講桌后，桌外無任何可拆卸鑼釘。8、一把鎖控制，老師上課使用方便，免于開啟多把鎖；也可安裝IC卡電磁鎖，方便聯(lián)網(wǎng)和遠(yuǎn)程控制。9、設(shè)備箱門向下翻即打開，門開啟后不占空間，不礙事。10、提供內(nèi)藏式筆記本電腦托板、小抽屜（可放粉筆或遙控器）。11、講桌內(nèi)可放以下設(shè)備：教學(xué)終端、廣播終端、中控裝置，實(shí)物展示臺，電腦主機(jī)，顯示器，鍵盤鼠標(biāo)，  VCD，功放，筆記本電腦，話筒，等等。12、適應(yīng)范圍廣泛：大中專院校、中小學(xué)校的多媒體教室，階梯教室，普通教室，會議室，    演播廳，以及各種培訓(xùn)教室、報告廳，等等。如有特殊需要，我們可以為用戶設(shè)計定做。13、外型尺寸：1100×700×1000 mm

產(chǎn)品詳細(xì)介紹小尺寸熱流傳感器TCT-11主要用于尺寸限制場合應(yīng)用，例如皮膚熱流測試等。小尺寸熱流傳感器TCT-11熱流經(jīng)熱流傳感器（HFS），在傳感器上產(chǎn)生輕微的溫差。這種溫度梯度與熱流成正比。小尺寸熱流傳感器TCT-11內(nèi)以適當(dāng)方式排列的多個微型熱電偶結(jié)（熱電堆）產(chǎn)生電動勢（mV）輸出。電動勢（mV）輸出乘以校正常數(shù)，得到熱流值。小尺寸熱流傳感器TCT-11應(yīng)用領(lǐng)域：1)墻體、屋頂?shù)鹊母魺嵩u估；2)溫室和土壤；3)生物醫(yī)學(xué)；4)潛艇和船舶；5)管道；6)實(shí)驗室和教學(xué)；7)煉油廠和反應(yīng)堆；8)航空小尺寸熱流傳感器TCT-11規(guī)格：o 溫度范圍： -50°C~120°C o 熱流范圍：-2000 ~ 2000 w/m2o 精度： +/- 3%o 線性： +/- 2%o 標(biāo)稱靈敏度：20μV/ (w/m2)o 耐環(huán)境性：防水、不受壓力或真空影響 o 尺寸：15 x 10 x 2.2 mm （長 x 寬 x 高） 可根據(jù)客戶需求訂做尺寸

產(chǎn)品詳細(xì)介紹產(chǎn)品名稱：高級中屏幕液晶彩顯電腦心肺復(fù)蘇模擬人（2010版）    型號：ZH/CPR580報價：8800                品牌：中弘科教產(chǎn)品介紹：心肺復(fù)蘇作為“第一救命技術(shù)”，心肺復(fù)蘇操作程序從2005版心肺復(fù)蘇操作流程A-B-C 即：A開放氣道→B人工呼吸→C胸外按改變?yōu)?010版心肺復(fù)蘇操作流程C-A-B 即：C胸外按壓→A開放氣道→B人工呼吸。該中屏幕液晶彩顯電腦心肺復(fù)蘇模擬人產(chǎn)品采用美國心臟學(xué)會(AHA)2010國際心肺復(fù)蘇（CPR）＆心血管急救（ECC)指南標(biāo)準(zhǔn)設(shè)計，經(jīng)國內(nèi)權(quán)威專家建議指導(dǎo)下，集國外同類產(chǎn)品之長處及公司科技人員的共同努力，率先開發(fā)出專門針對社會心肺復(fù)蘇普及與醫(yī)學(xué)院校、醫(yī)療衛(wèi)生系統(tǒng)培訓(xùn)使用的高檔型第七代新產(chǎn)品，其造型更完美、功能更強(qiáng)大、操作更方便的領(lǐng)先急救訓(xùn)練模擬人產(chǎn)品。功能介紹： ■ 液晶彩顯：人工呼吸與胸外按壓、模擬心臟搏動顯示、模擬心電圖顯示.（按壓過程中和急救成功后多會顯示模擬心臟搏動和模擬心電圖顯示）■ 模擬標(biāo)準(zhǔn)氣道開放；  ■ 人工手位胸外按壓時： 1、動態(tài)條碼指示燈顯示按壓深度：按壓深度正確(5-6cm區(qū)域)由條碼綠燈顯示、按壓深度不夠（小于5cm）由條碼黃色、按壓深度過深（大于6cm）由條碼紅色指示燈移動的動態(tài)反饋顯示CPR按壓深度。（錯誤按壓偏上、下、左、右 多有指示燈光及語音報警提示）2、液晶計數(shù)顯示；詳細(xì)記錄按壓錯誤的具體原因（按壓力量過大、按壓力量過小、按壓位置不對及正確的次數(shù)）。 3、語言提示：中文語音提示，詳細(xì)提示按壓錯誤的具體原因，以便訓(xùn)練者及時改正。  ■ 人工口對口呼吸(吹氣)時：  1、動態(tài)條碼指示燈顯示潮氣量：吹入的潮氣量正確（500ml~600ml-1000ml）由條碼綠燈顯示、吹入的潮氣量過小或過大分別由條碼黃色或條碼紅色指示燈移動的動態(tài)反饋顯示潮氣量度；  2、液晶計數(shù)顯示：詳細(xì)記錄吹氣錯誤的具體原因（按吹氣量過大、吹氣力量過小、及吹氣正確的次數(shù)）3、語言提示：中文語音提示，詳細(xì)提示吹氣錯誤的具體原因，以便訓(xùn)練者及時改正。 ■ 按壓與人工呼吸比：30：2（單人或雙人）  ■ 操作周期：有效30次按壓及2次人工吹氣， 30：2五個循環(huán)周期CPR操作。  ■ 操作頻率：最新國際標(biāo)準(zhǔn)：至少100次/分。  ■ 操作方式：訓(xùn)練操作；考核操作(專業(yè)考核、普及考核)。  ■ 操作時間：以秒為單位計時。  ■ 語言設(shè)定：全程中文語音提示，可調(diào)節(jié)音量設(shè)定或關(guān)閉語言提示設(shè)定。  ■ 成績打印：操作結(jié)果可熱敏打印長條和短條成績單 ■模擬人生命體征變化：初始狀態(tài)時，模擬人瞳孔散大頸動脈無搏動，按壓過程中頸動脈被動搏動搏動頻率與按壓頻率一致，搶救成功后模擬人瞳孔恢復(fù)正常頸動脈自主搏動。■ 電源狀態(tài)：采用220V電源，經(jīng)過穩(wěn)壓器穩(wěn)壓輸出電源24V。 材料特點(diǎn)： 面皮膚、頸皮膚、胸皮膚、頭發(fā)，采用進(jìn)口熱塑彈性體混合膠材料，由不銹鋼摸具、經(jīng)注塑機(jī)高溫注壓而成，具有解剖標(biāo)志準(zhǔn)確、手感真實(shí)、膚色統(tǒng)一、形態(tài)逼真、外形美觀、經(jīng)久耐用、消毒清洗不變形、拆裝更換方便等特點(diǎn)，其材料達(dá)到國外同等水平。標(biāo)準(zhǔn)套配置： ■ 高級復(fù)蘇全身人體模型一具；  ■ 高級電腦液晶顯示器一臺；  ■ 豪華手拉推式人體硬塑箱一只；  ■ 復(fù)蘇操作墊一條； ■ 屏障面膜(50張/盒)一盒 ；  ■ 可換肺囊裝置四套；  ■ 可換面皮一只；  ■ 熱敏打印紙二卷  ■ 2010國際最新操作指南光盤1盤  ■ 現(xiàn)場急救常用技術(shù)使用手冊 1 本  ■ 使用說明書一本。 ■ 保修卡、合格證；上海中弘科教設(shè)備有限公司銷售電話：021-64049756  64049758銷售手機(jī)：13916333768   13661681239圖文傳真：021-64049751網(wǎng)址：http://www.shzhonghong.comE-mail：[email protected] 

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開發(fā)了多種計算機(jī)模型，可用于藥物開發(fā)中的多個階段，為藥物的快速設(shè)計開發(fā)提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預(yù)測方法：傳統(tǒng)的化合物毒性檢測技術(shù)一般需要使用生化試驗、細(xì)胞實(shí)驗、甚至動物模型，這些方法不僅耗費(fèi)大量時間，而且成本很高。使用計算模型進(jìn)行有機(jī)化合物的毒性預(yù)測，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)特性的計算模型，甚至能夠在化合物合成之前就對其進(jìn)行預(yù)測，大大提高了效率，使其越來越受到歡迎。在進(jìn)行體外和體內(nèi)試驗之前先使用計算機(jī)模型對化合物進(jìn)行大規(guī)模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機(jī)器學(xué)習(xí)算法的化合物毒性預(yù)測集成學(xué)習(xí)算法，運(yùn)用此集成學(xué)習(xí)算法建立了新的有機(jī)化合物致癌性、致突變性和肝毒性預(yù)測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預(yù)測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測)的預(yù)測服務(wù)器，這些服務(wù)器能夠為使用者提供更高效更便捷的預(yù)測技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國內(nèi)外藥物分子設(shè)計研究者提供了5000多次共計超過20多萬個化合物的毒性預(yù)測服務(wù)。在有機(jī)化合物毒性預(yù)測研究方向，我們主要完成了化合物的細(xì)胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預(yù)測模型，以及糖尿病早期篩查模型的開發(fā)，正在進(jìn)行P450酶阻滯劑性預(yù)測模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測算法研究、基于分子對接的化合物毒性預(yù)測研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性預(yù)測服務(wù)器首頁致癌性預(yù)測結(jié)果頁相關(guān)綜述對本服務(wù)器的介紹RF-hERG-Score預(yù)測藥物引起的hERG相關(guān)心臟毒性2.藥物設(shè)計方法：在計算機(jī)上對藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計出具有治療作用的藥物。計算機(jī)輔助藥物設(shè)計可以為藥物設(shè)計各階段的實(shí)驗方案提供有意義的指導(dǎo)，減少需要通過實(shí)驗評估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對接、分子動力學(xué)模擬、自由能計算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計算機(jī)輔助藥物設(shè)計、并開發(fā)更有效的計算機(jī)輔助藥物設(shè)計方法。在計算機(jī)輔助藥物設(shè)計研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進(jìn)行先導(dǎo)化合物生成模型研究、基于機(jī)器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計研究。特異性重打分函數(shù)顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點(diǎn)識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結(jié)合。lncRNA-蛋白質(zhì)相互作用的實(shí)驗研究需要大量資源。累積的實(shí)驗數(shù)據(jù)使得通過計算方法預(yù)測lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機(jī)器學(xué)習(xí)方法開發(fā)了幾種用于預(yù)測lncRNA-蛋白質(zhì)相互作用的新模型。這些模型命名為：RWLPAP（隨機(jī)游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機(jī)游走和鄰域規(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗證中，我們的模型獲得了較好的預(yù)測性能。lncRNA-蛋白質(zhì)相互作用預(yù)測模型的性能比較lncRNA-蛋白質(zhì)相互作用預(yù)測服務(wù)器相關(guān)軟件著作權(quán)：

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開發(fā)了多種計算機(jī)模型，可用于藥物開發(fā)中的多個階段，為藥物的快速設(shè)計開發(fā)提供一個完整的基于人工智能的解決方案。 成果：1.藥物毒性預(yù)測方法：傳統(tǒng)的化合物毒性檢測技術(shù)一般需要使用生化試驗、細(xì)胞實(shí)驗、甚至動物模型，這些方法不僅耗費(fèi)大量時間，而且成本很高。使用計算模型進(jìn)行有機(jī)化合物的毒性預(yù)測，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)特性的計算模型，甚至能夠在化合物合成之前就對其進(jìn)行預(yù)測，大大提高了效率，使其越來越受到歡迎。在進(jìn)行體外和體內(nèi)試驗之前先使用計算機(jī)模型對化合物進(jìn)行大規(guī)模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機(jī)器學(xué)習(xí)算法的化合物毒性預(yù)測集成學(xué)習(xí)算法，運(yùn)用此集成學(xué)習(xí)算法建立了新的有機(jī)化合物致癌性、致突變性和肝毒性預(yù)測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預(yù)測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測)的預(yù)測服務(wù)器，這些服務(wù)器能夠為使用者提供更高效更便捷的預(yù)測技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國內(nèi)外藥物分子設(shè)計研究者提供了5000多次共計超過20多萬個化合物的毒性預(yù)測服務(wù)。在有機(jī)化合物毒性預(yù)測研究方向，我們主要完成了化合物的細(xì)胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預(yù)測模型，以及糖尿病早期篩查模型的開發(fā)，正在進(jìn)行P450酶阻滯劑性預(yù)測模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測算法研究、基于分子對接的化合物毒性預(yù)測研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性預(yù)測服務(wù)器首頁 致癌性預(yù)測結(jié)果頁 相關(guān)綜述對本服務(wù)器的介紹 RF-hERG-Score預(yù)測藥物引起的hERG相關(guān)心臟毒性 2.藥物設(shè)計方法：在計算機(jī)上對藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計出具有治療作用的藥物。計算機(jī)輔助藥物設(shè)計可以為藥物設(shè)計各階段的實(shí)驗方案提供有意義的指導(dǎo)，減少需要通過實(shí)驗評估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對接、分子動力學(xué)模擬、自由能計算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計算機(jī)輔助藥物設(shè)計、并開發(fā)更有效的計算機(jī)輔助藥物設(shè)計方法。在計算機(jī)輔助藥物設(shè)計研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進(jìn)行先導(dǎo)化合物生成模型研究、基于機(jī)器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計研究。 特異性重打分函數(shù)顯著虛擬篩選性能顯著較高 篩選出兩個候選抑制劑 3.藥物靶點(diǎn)識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結(jié)合。lncRNA-蛋白質(zhì)相互作用的實(shí)驗研究需要大量資源。累積的實(shí)驗數(shù)據(jù)使得通過計算方法預(yù)測lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機(jī)器學(xué)習(xí)方法開發(fā)了幾種用于預(yù)測lncRNA-蛋白質(zhì)相互作用的新模型。這些模型命名為：RWLPAP（隨機(jī)游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機(jī)游走和鄰域規(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗證中，我們的模型獲得了較好的預(yù)測性能。 lncRNA-蛋白質(zhì)相互作用預(yù)測模型的性能比較 lncRNA-蛋白質(zhì)相互作用預(yù)測服務(wù)器相關(guān)軟件著作權(quán)：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于門限的低復(fù)雜度MPA算法， 該算法通過設(shè)置置信度門限來及時對可靠的碼字進(jìn)行譯碼，或?qū)Πl(fā)送概率極低的碼字進(jìn)行 舍棄，從而有效地降低了原始MPA算法的復(fù)雜度。

本發(fā)明公開了一種并行 LLL 高維模糊度降相關(guān)算法，首先通過混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法針對高維模糊度降相關(guān)的計算效率，增強(qiáng)高維模糊度降相關(guān)的能 力。其次為了得到降相關(guān)能力較強(qiáng)的 Z 變換矩陣，所以在每一次 QR 分解變換過程中，變換系數(shù)矩陣要 獲取較小的整數(shù)值，因此在每次下三角分解前先對模糊度協(xié)方差矩陣的行向量按內(nèi)積大小進(jìn)行升序排序， 而在上三角分解前先對矩陣的列向量按內(nèi)積大小進(jìn)行降序排列，由此求得的 Z 變換降相關(guān)性能更佳。最 后把算法正交變換過程中的取整運(yùn)算移至在求 Z 矩陣時取整，可以避免算法迭代過程中反復(fù)取整而引起 的誤差累積，解決算法發(fā)散的問題，從而進(jìn)一步提高并行 LLL 算法的計算效率和穩(wěn)定性。 

本成果針對空間目標(biāo)的運(yùn)動特征，通過研究目標(biāo)距離徙動軌跡與 等效運(yùn)動模型，構(gòu)建了一個欠定的運(yùn)動方程組，基于全局炳最優(yōu)化準(zhǔn) 則求解出目標(biāo)運(yùn)動參數(shù)，提出了一種全新的距離對準(zhǔn)算法。實(shí)驗結(jié)果 表明該算法具有較高的準(zhǔn)確性，更重要的是，距離對準(zhǔn)過程中不會引 入距離像隨機(jī)偏移誤差和高頻相位誤差，這也是應(yīng)用大轉(zhuǎn)角高分辨成 像方法的前提條件。

隨著計算智能方法得到更廣泛的應(yīng)用，其從問題本身學(xué)習(xí)的能力亟待增強(qiáng)。為此，越來越多研究提出使用機(jī)器學(xué)習(xí)模型來驅(qū)動計算智能。通常，這種基于模型的進(jìn)化算法的性能高度依賴于所采用模型的訓(xùn)練質(zhì)量。而傳統(tǒng)機(jī)器學(xué)習(xí)方法需要大量訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，而且受維度災(zāi)難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應(yīng)用范疇。課題組在