导读:本文包含了双色网络论文开题报告文献综述及选题提纲参考文献，主要关键词:凹印机,套准误差,BP神经网络,PID控制器
双色网络论文文献综述
刘晶[1]（2019）在《基于神经网络控制的双色凹印机套准系统设计》一文中研究指出针对目前双色凹印机套准控制器数字化、自动化及智能化不足的问题,建立双色凹印机套准误差数学模型,结合BP神经网络PID控制器的特点,设计了一种基于BP神经网络的凹印机套准控制器。根据凹印机套准误差模型中两个印组的速度与张力对套准误差的影响关系,设计神经网络模型。在单个控制周期中,神经网络通过在线学习印组速度与张力的干扰参量调整PID参数以适应当前工作环境。仿真结果证明了该系统的可行性与优越性。(本文来源于《北京印刷学院学报》期刊2019年07期）
黄海龙[2]（2019）在《基于BP神经网络的双色塑件翘曲变形量预测》一文中研究指出以某遥控器前壳双色塑件注塑成型为例,以该塑件在注塑成型过程中的翘曲变形量为研究目标,提出了一种结合AMI数值模拟、正交试验和BP神经网络的双色塑件翘曲变形量快速、准确的预测方法。首先建立了基于AMI数值模拟的CAE模流分析模型,并对注塑成型工艺参数及翘曲变形量进行数值模拟分析;之后结合正交试验设计法使AMI软件数值模拟结果在指定的工艺参数范围内实现了离散分布;最后以正交试验数据为基础建立BP神经网络预测模型,通过Matlab训练网络使其满足误差精度要求,从而达到准确预测新工艺参数下翘曲变形量的目的。结果表明:训练出的BP神经网络模型具有很高的预测精度,能够满足对该双色塑件翘曲变形量准确、快速的预测要求。(本文来源于《塑料科技》期刊2019年06期）
王铜[3]（2015）在《基于双色网络的重要长非编码RNA发现与分析》一文中研究指出基因组测序结果表明,基因组非编码区域转录RNA现象在哺乳动物中普遍存在。尽管非编码RNA被过去的研究认为是基因转录噪音,但近年来越来越多的研究结果表明它们在生物体中发挥重要功能。在诸多类型的非编码RNA中,长非编码RNA近年来引发了广泛的研究关注。研究结果表明,长非编码RNA或通过转录调控和转录后调控的方式调节靶基因表达,或与其他生物分子结合,进而发挥丰富的生物功能,诱发或抑制复杂疾病的发生与发展。长非编码RNA数量庞大,给研究带来不小的挑战。与编码基因中研究重要基因类似,研究功能重要但数目较少的重要长非编码可以快速刻画长非编码RNA的功能特性。尽管已有研究强调研究重要长非编码RNA的重要性,但目前无论是从生物实验方面,还是从计算模型方面,针对重要长非编码RNA功能与特征的具体研究都相当匮乏。受编码基因研究中筛选重要基因方法启发,本文将网络节点中心性用于基因—长非编码RNA双色网络,结合已知重要基因,运用统计检验方法筛选重要长非编码RNA。对于筛选出的119条重要长非编码RNA,从两个方面分析了它们的功能。首先进行了组织特异性分析,通过计算组织特异性得分筛选出组织特异性长非编码RNA,分析发现其功能和对应组织功能存在一致性,表明它们作为重要长非编码RNA的原因之一;其次进行了模块分析,利用ClusterONE算法挖掘双色网络功能模块,在模块中分析了重要长非编码RNA和重要基因的功能关联性,进一步说明了重要长非编码RNA的重要意义。进一步的模块功能富集分析结果揭示,重要长非编码RNA对模块功能行使具有重要作用。本文对重要长非编码RNA的研究还相对初浅,虽然揭示出一些重要长非编码RNA表现出的功能特性,但对背后的生物机理缺乏深入研究。希望本文工作能推动重要长非编码研究的进展。(本文来源于《西安电子科技大学》期刊2015-12-01）
张小聪[4]（2015）在《BP神经网络与GA算法相结合的双色成型保压曲线优化》一文中研究指出提出采用前馈神经网络(BP神经网络)与遗传算法(GA算法)相结合优化产品保压曲线,通过改善2种材料的顶出时体积收缩率,进而改善双色产品的翘曲问题。得到优化的工艺参数组合为:聚丙烯(PP)保压压力55 MPa,保压时间12.5 s;丙烯腈-苯乙烯-丁二烯共聚物(ABS)保压压力75 MPa,保压时间3.5 s;模拟验证得到优化保压曲线下优化目标为4.411,小于各实验方案;双色产品的翘曲由原来的1.696 mm降为0.7427 mm。(本文来源于《中国塑料》期刊2015年01期）
[5]（2014）在《《网民安全手册——维护上网安全,远离网络欺诈(双色)》》一文中研究指出【作者】本书编委会【ISBN】9787121241710【日期】2014-09【出版社】电子工业出版社内容简介:随着互联网的快速发展,人们不仅可以在网上与外界进行交流,还可以通过网络购物、理财、下载文件资料等。可以说,网络丰富了我们的生活,开阔了我们的眼界。但是,随之而来的还有不法分子设下的欺诈陷阱,他们盗取我们的账号和密码,偷取我们的网上信息,引诱我们上当受骗……这样的不法行为严重影响了广大网民的正常上网和切身利益。鉴于此种日(本文来源于《计算机安全》期刊2014年10期）
王芬[6]（2014）在《猪miRNA调控蛋白质相互作用“双色网络”预测及呼吸道病毒病系统生物学分子机制分析》一文中研究指出蛋白质相互作用是细胞中最重要的功能元件之一。目前，科学家特别关注miRNA调控蛋白质相互作用双色网络的研究。这不仅有助于理解miRNA在蛋白质相互作用网络中的微调作用，而且也可以为疫病诊断提供科学依据。高致病性猪繁殖与呼吸综合征（HP-PRRS）和猪流感（SI）严重危害养猪业。在本研究中，我们预测出猪的蛋白质相互作用网络，并构建出miRNA调控蛋白质相互作用的双色网络，研究了高致病性猪繁殖与呼吸综合征病毒（HP-PRRSV）和甲型H1N1亚型猪流感病毒（SIV）感染猪的系统生物学分子机制，为理解疾病的生物过程提供参考。论文的研究内容如下：（1）本研究使用叁种方法预测猪的蛋白质相互作用网络：基于同源比对、domain-motif互作（D-MIST）和motif-motif互作（M-MIST）的方法，分别预测出20213、331484和218705对蛋白质相互作用，并将它们合并为一个网络，得到567441对互作。接着对网络的拓扑特性进行分析，并用PFAM DOMAIN注释和GO注释对网络进行验证。在PFAM DOMAIN验证中，分别有70、10495和863对互作与PFAM DOMAIN互作对相关，为便于比较，我们分别建立以上叁种方法的10000个随机网络，分别有4.24、66.79和44.26对与PFAM DOMAIN互作对相关。在GO注释中，分别有52.68%、75.54%和27.20%的互作对共享GO术语。但在构建的叁种10000个随机网络中，没有任何随机网络的百分率达到我们预测的网络。接着，我们计算预测结果的准确性和精确性，准确性分别是0.92、0.53和0.50，精确性分别是0.93、0.74和0.75，说明预测的网络比较可靠。本研究对于以后研究蛋白质的功能也有相当大的价值。本研究还建立了猪的蛋白质相互作用对外共享网站http://pppid.songbx.me/，互作数据以及打分情况均已分享在该网站上。最后，将本课题组前期获得的HP-PRRSV感染仔猪的的差异表达蛋白质数据和磷酸化蛋白质数据用我们构建的蛋白质相互作用网络进行分析，发现可能参与HP-PRRS发病过程的关键蛋白，分别是Q6QA25（Tropomyosin alpha-3chain）、Q29214（60S acidic ribosomal protein P0）、Q31068（MHC PD14transplantation antigen）、Q2XQY5（Tropomyosin3）、 Q8SPS7（Haptoglobin）、 Q69DK8（Complement C1ssubcomponet）和P01965（Hemoglobin subunit alpha），可能作为治疗的靶标；通过GO富集分析发现激素反应、受伤反应、对温度刺激的反应、呼吸系统发育、炎症反应等生物过程可能对于阐明HP-PRRS的发病机制起关键作用。（2）首次建立猪miRNA调控蛋白质相互作用双色网络，得到282867个猪miRNA调控的蛋白质相互作用，并对其进行通路分析，发现通路之间存在一些相互作用。另外，本研究还预测出2457个猪的miRNA调控疾病相关蛋白质相互作用。将100个文献报道的疾病相关miRNA映射到miRNA调控疾病相关蛋白质相互作用中，共得到2040个miRNA调控疾病蛋白相互作用，说明预测结果的可靠性较高。将这2040个miRNA调控疾病蛋白质相互作用进行GO富集分析，发现在生物过程中，它们的功能主要体现在应激反应、癌症、炎症等方面，再一次说明这些蛋白质相互作用与疾病相关。因此，该miRNA调控疾病蛋白质相互作用网络为疾病诊治和药物研发提供了一定的理论依据。最后，将本实验室前期测得的HP-PRRSV感染仔猪肺脏、颌下淋巴结和血清的差异表达蛋白质应用于构建的miRNA调控蛋白质相互作用双色网络，发现可能作为治疗HP-PRRS靶标的蛋白质和miRNA，分别是B8XSI6（Phosphatase and tesin-like protein）、P01965（Hemoglobin subunit alpha）、 P20305（Gelsolin）、 Q31068（MHC PD14transplantation antigen）、Q6QAQ1（Actin, cytoplasmic1）和A1XSY8（E3, SUMO-proteinligase EGR2）以及miRNA ssc-miR-145-3p、 ssc-miR-30a-5p、 ssc-miR-30b-5p、ssc-miR-30c-5p、ssc-let-7a、ssc-let-7c、ssc-let-7d-5p、ssc-let-7e、ssc-let-7f、ssc-let-7g、ssc-let-7i、ssc-miR-181c、ssc-miR-182和ssc-miR-23a。（3）对HP-PRRSV和H1N1亚型SIV感染仔猪发病过程的系统生物学分子机制进行分析。从猪的蛋白质相互作用网络和miRNA调控的网络中提取出本课题组前期用HP-PRRSV和H1N1病毒感染仔猪实验鉴定出的肺脏、颌下淋巴结、血清差异蛋白、磷酸化蛋白和差异miRNA参与的网络。通过对网络分析发现差异蛋白B8XSI6（Phosphatase and tesin-like protein）、Q2XQY5（Tropomyosin3）、B5APU3（Actin-relatedprotein2-like protein）、Q31068（MHC PD14transplantation antigen）、Q29214（60S acidicribosomal protein P0）、P09571（Serotransferrin）、Q04967（Heat shock70kDa protein6）、Q6QA25（Tropomyosin alpha-3chain）、P01965（Hemoglobin subunit alpha）、B5APU8（Actin related protein2/3complex subunit3）、P20305（Gelsolin）、Q69DK8（ComplementC1s subcomponet）、Q8SPS7（Haptoglobin）和Q9GMA7（Alpha-1-antichymotrypsin1）以及磷酸化蛋白P15981（SLA class Ⅱhistocompatibility antigen, DQ haplotype D alphachain）、Q4AC39（MHC class I antigen）、Q547Q5（MHC class Ⅱ antigen）、Q19LF1（Nuclear receptor corepressor2）、Q32YV9（Proteasome26S subunit non-ATPase4）和Q29214（60S acidic ribosomal protein P0）在HP-PRRSV感染仔猪的发病过程中具有重要的作用。ssc-miR-15a、ssc-miR-15b、ssc-miR-16、ssc-miR-195、ssc-miR-30a-5p、ssc-miR-30b-5p、ssc-miR-30c-5p、ssc-miR-181c、 ssc-miR-20a、ssc-miR-20b、ssc-miR-32，ssc-miR-153和ssc-miR-145-3p以及7个miRNA协同调控蛋白质模块在HP-PRRS的发病机制中具有重要的作用。在miRNA调控差异磷酸化蛋白网络中鉴定出11个miRNA共同调控B6CVD6（Thioredoxin domain-containing4），推测这个调控可能是HP-PRRS发生的重要因素。并且识别出感染H1N1亚型SIV各个时间点差异miRNA调控的差异互作蛋白主要参与免疫反应、激素反应、繁殖、求偶行为和交配行为等过程。以上研究可为从系统水平上了解呼吸道病毒感染仔猪的发病机制提供理论依据。(本文来源于《西北农林科技大学》期刊2014-04-01）
楚焱芳[7]（2011）在《基于粒子群神经网络的双色注塑工艺参数优化》一文中研究指出双色注塑成型技术,作为一种最早诞生于20世纪七十年代的生产工艺,在国外已经得到了较广泛的应用。但由于成型设备价格较高、注塑工艺复杂等原因,该技术在我国并没有得到广泛引进和应用。国内对双色注塑成型技术的研究和应用还处于初级阶段,对于双色注塑的成型工艺和成形质量控制方面的研究还比较缺乏。本文对双色注塑进行了有限元模拟,并用粒子群神经网络对寻找成型最佳工艺进行了探索。本文的主要工作和成果如下：1、通过对双色注塑的原理的研究,建立了可靠的有限元模型。并利用先进的Moldflow软件进行仿真模拟。通过对仿真结果的分析,模拟的的效果较好。2、本文选取注塑件的翘曲量作为质量指标,对工艺参数对质量的影响进行分析。本文选用十因素叁水平的正交试验法先对各个参数进行显着性分析,选出显着影响注塑件翘曲量的五个工艺参数。3、提出了基于BP神经网络的翘曲量预测模型,并通过算例验证了该算法的准确性。将对翘曲变形影响显着的第一次的熔体温度,模具温度,熔体的注塑速度,保压压力,保压时间,最大翘曲变形量作为优化目标,建立了从注塑工艺参数到翘曲变形的非线性映射关系。4、实现了基于粒子群优化算法的工艺参数优化。采用粒子群优化算法,以BP神经网络预测模型为适应度函数对工艺参数进行优化,使得翘曲变形量更小。(本文来源于《南京理工大学》期刊2011-08-01）
双色网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以某遥控器前壳双色塑件注塑成型为例,以该塑件在注塑成型过程中的翘曲变形量为研究目标,提出了一种结合AMI数值模拟、正交试验和BP神经网络的双色塑件翘曲变形量快速、准确的预测方法。首先建立了基于AMI数值模拟的CAE模流分析模型,并对注塑成型工艺参数及翘曲变形量进行数值模拟分析;之后结合正交试验设计法使AMI软件数值模拟结果在指定的工艺参数范围内实现了离散分布;最后以正交试验数据为基础建立BP神经网络预测模型,通过Matlab训练网络使其满足误差精度要求,从而达到准确预测新工艺参数下翘曲变形量的目的。结果表明:训练出的BP神经网络模型具有很高的预测精度,能够满足对该双色塑件翘曲变形量准确、快速的预测要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
双色网络论文参考文献
[1].刘晶.基于神经网络控制的双色凹印机套准系统设计[J].北京印刷学院学报.2019
[2].黄海龙.基于BP神经网络的双色塑件翘曲变形量预测[J].塑料科技.2019
[3].王铜.基于双色网络的重要长非编码RNA发现与分析[D].西安电子科技大学.2015
[4].张小聪.BP神经网络与GA算法相结合的双色成型保压曲线优化[J].中国塑料.2015
[5]..《网民安全手册——维护上网安全,远离网络欺诈(双色)》[J].计算机安全.2014
[6].王芬.猪miRNA调控蛋白质相互作用“双色网络”预测及呼吸道病毒病系统生物学分子机制分析[D].西北农林科技大学.2014
[7].楚焱芳.基于粒子群神经网络的双色注塑工艺参数优化[D].南京理工大学.2011