首页期刊导航|长春理工大学学报（自然科学版）
期刊信息/Journal information
长春理工大学学报（自然科学版）
长春理工大学学报（自然科学版）

于化东

季刊

1672-9870

custlxb@cust.edu.cn

0431-85582724

130022

长春市卫星路7089号

长春理工大学学报（自然科学版）/Journal Journal of Changchun University of Science and TechnologyCSTPCD
查看更多>>本学报是以光学技术为主，光机、电、算、材料、化工、生命等相结合的理工类综合性学术期刊，主要读者为高校师生及有关科研院所企事业前段时间的科技工作者。
正式出版
收录年代

    基于GRNN模型改进型对电池容量估计的研究

    张树川孙巍
    74-82页
    查看更多>>摘要：为了在高效率少量数据统计的情况下更为精准地估算18650电池剩余容量,基于GRNN非线性回归理论径向基神经网络模型,使用网格搜索对模型的核函数参数进行改进,使得其在少数据的情况下依旧能精准估算 18650电池剩余容量.对电池进行循环充放电实验,提取循环中的相关参数,使用一节电池的数据进行训练,随后对其中4节进行容量估算,得出结果.研究表明:电池充放电时的参数,电池欧姆内阻与电池容量呈负相关,等压降放电时间与容量呈正相关.得到GRNN模型改进型,核函数参数为5,新模型对于少量数据的情况下的计算更为准确.

    少量数据情况电池容量估算GRNN模型核函数参数网格搜索

      原文链接:
    • 维普
    • 万方数据

    高校智能信息化管理平台研究与实践

    任志鹏邱宁佳赵建平王鹏...
    83-88页
    查看更多>>摘要：基于大数据分析的高校智能信息化管理平台,以《高等教育事业基层统计报表》和《高等学校本科教学基本状态数据库》为依据,包含教职员工信息、在校生信息、校友信息、教学信息、科研信息、资产信息和产业信息等管理功能,使各职能部门之间能够保持密切联系,可以提高数据资源利用效率,使原来分散、利用率低的教育资源得到更大程度的价值挖掘,对各类数据进行智能的关联和提取,并及时给出预警提示.平台尤为注重校友信息的搜集与管理,充分挖掘和发挥校友的资源和价值,促进校友与学校各项工作的深度融合和有机对接,更好地为学校人才培养、科学研究和成果转化服务.

    大数据智能信息化教育资源

      原文链接:
    • 维普
    • 万方数据

    生姜中6-姜酚和芦丁对线虫抗衰老活性评价

    张凯恒张淑华葛淑敏
    89-98页
    查看更多>>摘要：生姜中的6-姜酚和芦丁是一种具有抗氧化和抗炎作用的活性成分.实验利用秀丽隐杆线虫(C.elegans)作为生物模型研究了6-姜酚与芦丁联合作用下对其寿命和抗氧化应激方面的作用.在一般条件下6-姜酚和芦丁都可以延长线虫的寿命且不会对线虫的繁殖产生影响,两者对于线虫的运动性、脂肪堆积和细胞凋亡都有明显的改善.此外,6-姜酚和芦丁还可以显著地降低活性氧(ROS),从而延长了线虫在极端反应下的存活时间.这些结果表明,6-姜酚作为生姜中主要的抗氧化物质,其和芦丁的联合作用在维持动物的健康和预防相关疾病方面值得进一步探索.

    生姜6-姜酚芦丁抗氧化联合作用秀丽隐杆线虫

      原文链接:
    • 维普
    • 万方数据

    榛子油脂质体的制备工艺及其表征研究

    李祥辉任军赵轩范丽颖...
    99-106页
    查看更多>>摘要：使用乙醇注入-超声波法制备榛子油脂质体,通过单因素试验、响应面法,得到脂质体最佳制备工艺,对其粒径、形态、红外光谱、稳定性进行研究.结果表明,最佳制备工艺为:蛋黄卵磷脂与β-谷甾醇质量比为5.86∶1,蛋黄卵磷脂与榛子油质量比为4∶1,吐温-80添加量为19.33%,超声时间为28 min,超声功率为363.61 W,包埋率为77.32%,平均粒径为138.9 nm,多分散系数为0.109.扫描电镜下脂质体呈现球状,外表圆滑且平整,无裂缝或孔洞.红外光谱结果表明,脂质体结构有效,榛子油被包埋.稳定性测定得出榛子油脂质体可以有效地保护榛子油减小其过氧化值.

    榛子油脂质体包埋率响应面稳定性

      原文链接:
    • 维普
    • 万方数据

    基于Transformer和图卷积神经网络的自闭症谱系障碍分类

    阿日茜彭博戴亚康庞春颖...
    107-115页
    查看更多>>摘要：自闭症谱系障碍(ASD)是一种神经发育障碍,其特征包括社交、沟通和行为方面的严重缺陷.早期准确的诊断和干预对改善患者预后至关重要,然而由于其症状的多样性和复杂性,早期诊断常具有挑战性.近年来,结合功能性磁共振成像(fMRI)等神经影像技术和深度学习算法,为ASD的诊断提供了更准确的手段.脑功能连接网络数据中存在着复杂的局部和全局连接模式,传统的图卷积网络(GCN)更擅长捕捉局部连接模式,而Transformer模型则更适合捕捉全局依赖关系.因此,将这两种模型有效地融合起来以综合利用局部和全局信息对于提高ASD分类的性能至关重要.通过功能性磁共振成像等技术建立脑网络,结合GCN和Transformer模型,并利用数据增强技术,提高了对ASD分类的建模效果.使用联合模型和数据增强技术,在测试集上取得了 87.10 的AUC,显著高于单独使用GCN和Transformer模型的性能.这一研究不仅为ASD的诊断提供了一种高效手段,也有望为深入理解其潜在的神经机制提供重要启示.

    自闭症谱系障碍功能性磁共振成像脑功能连接网络深度学习

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于空间-通道注意力对抗网络的大气湍流退化图像复原方法

    文兴超尹伟石
    116-120页
    查看更多>>摘要：大气湍流的随机性和复杂性会影响光线传输时波的空间位置变化,造成远程成像质量的退化,降低设备对图像信息的提取能力.针对大气湍流退化图像问题,提出空间-通道注意力对抗网络复原湍流退化图像,对退化图像中的噪点、几何扭曲及模糊进行逐步消除.应用空间-通道注意力对特征进行提取,捕捉微观局部和宏观全局信息,同时对通道间信息加以结合,实现复原图像在内容上的协调性.最终实验结果表明提出的方法在复原湍流退化图像领域可行性.

    生成对抗网络注意力机制大气湍流图像复原

      原文链接:
    • 维普
    • 万方数据

    基于条件FDR的高维数据流的在线监控

    齐德全马辰瑶施三支毕利...
    121-126页
    查看更多>>摘要：传统的通过控制图监控高维数据流的方法,可能每时每刻都发出警报.在高维数据流之间具有一定相关结构、数据流可进可出的情况下,利用统计过程控制特点,提出了条件错误发现率(FDR)的思想,给出了在线监控高维数据流均值是否发生漂移的稳健方法.针对非正态高维数据流,通过将样本分割、聚合,结合SDA与EWMA构造满足对称性的监控统计量,通过条件错误发现率(FDR)确定动态的阈值进行在线监控.采用AR(1)模型来刻画数据流间的相关性,通过蒙特卡罗模拟从错误发现率与累积功效水平的角度研究了所提出方法的性能.数值模拟结果表明,该方法能达到较好的监控效果.

    高维数据流错误发现率对称数据聚合统计过程控制

      原文链接:
    • 维普
    • 万方数据