期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于GRN模型精密机械手末端映射关系 被引量:1
1
作者 吴国洋 《重庆理工大学学报(自然科学)》 CAS 北大核心 2020年第6期154-159,共6页
针对相邻关节误差对机器人末端的精度影响等问题,鉴于生物细胞自组织GRN模型的运行机理,提出基于GRN模型机械手精度的映射关系,研究机械手运动学模型和GRN模型的结构特性,分析机械手相邻关节误差的累积与GRN模型中细胞间的作用特点,求... 针对相邻关节误差对机器人末端的精度影响等问题,鉴于生物细胞自组织GRN模型的运行机理,提出基于GRN模型机械手精度的映射关系,研究机械手运动学模型和GRN模型的结构特性,分析机械手相邻关节误差的累积与GRN模型中细胞间的作用特点,求解基于GRN模型机械手相邻关节影响的误差模型,考虑在几何因素的影响下,以3R机器人为研究对象,建立求解机械手末端位姿的误差值,采用基于自适应粒子群算法优化的PID神经元模型对其进行误差优化,获取粒子群算法的进化过程和PID神经元控制器的控制曲线。仿真表明:基于GRN模型重载机械手相邻关节误差模型的有效性与合理性得到了验证,且机械手相邻关节引起的末端误差得到了有效控制。 展开更多
关键词 grn模型 映射关系 运动学 误差优化
在线阅读 下载PDF
基于基因扰动及变分逼近技术的基因调控网络推断
2
作者 董自健 宋铁成 袁创 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第6期1147-1151,共5页
为了有效提高基因调控网络推断的精度,基于基因表达数据和基因扰动数据,将基因调控网络建模为结构方程模型,并进一步转化为验证性因子分析(CFA)模型,然后使用贝叶斯方法求解CFA模型参数.在贝叶斯分析中,为减少计算量,不采用常用的马尔科... 为了有效提高基因调控网络推断的精度,基于基因表达数据和基因扰动数据,将基因调控网络建模为结构方程模型,并进一步转化为验证性因子分析(CFA)模型,然后使用贝叶斯方法求解CFA模型参数.在贝叶斯分析中,为减少计算量,不采用常用的马尔科夫-蒙特卡洛抽样方法,而是采用变分逼近技术对参数的联合后验分布进行因式化,并获得参数的后验包含概率分布及参数的后验分布.同时使用重要性抽样技术对CFA模型的推断参数进行加权平均.仿真结果表明,CFA模型和变分逼近技术是有效和可靠的.根据实验数据,使用所提算法推导了具有35个基因的酵母基因调控网络. 展开更多
关键词 基因调控网络 验证性因子分析模型 变分逼近 重要性抽样
在线阅读 下载PDF
基于改进PSO的基因调控网络重构方法 被引量:2
3
作者 蒋炜 彭新一 周育人 《计算机工程》 CAS CSCD 北大核心 2009年第20期181-183,共3页
提出一种基于改进粒子群优化算法的基因调控网络重构方法。该方法利用粒子群优化算法确定加权矩阵模型的最优结构及参数,从而推测出与实验数据相吻合的加权矩阵,实现利用重构的加权矩阵模型模拟基因调控网络的相互作用。实验结果表明,... 提出一种基于改进粒子群优化算法的基因调控网络重构方法。该方法利用粒子群优化算法确定加权矩阵模型的最优结构及参数,从而推测出与实验数据相吻合的加权矩阵,实现利用重构的加权矩阵模型模拟基因调控网络的相互作用。实验结果表明,该方法能有效推理出复杂的基因调控网络结构。 展开更多
关键词 粒子群优化算法 基因调控网络 加权矩阵模型 重构
在线阅读 下载PDF
Control of synthetic gene networks and its applications
4
作者 David J Menn Ri-Qi Su Xiao Wang 《Frontiers of Electrical and Electronic Engineering in China》 CSCD 2017年第2期124-135,共12页
Background: One of the underlying assumptions of synthetic biology is that biological processes can be engineered in a controllable way. Results: Here we discuss this assumption as it relates to synthetic gene regul... Background: One of the underlying assumptions of synthetic biology is that biological processes can be engineered in a controllable way. Results: Here we discuss this assumption as it relates to synthetic gene regulatory networks (GRNs). We first cover the theoretical basis of GRN control, then address three major areas in which control has been leveraged: engineering and analysis of network stability, temporal dynamics, and spatial aspects. Conclusion: These areas lay a strong foundation for further expansion of control in synthetic GRNs and pave the way for future work synthesizing these disparate concepts. 展开更多
关键词 synthetic biology gene regulatory networks modelING grn control STOCHASTICITY
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部