网络学习在生物信息学教学改革中的重要性探析

网络学习是指利用互联网技术进行学习的一种模式。这种方式可以充分发挥学生的自主学习能力,提高知识水平和实践技能。在生物信息学教学过程中,将网络学习与传统课堂教学相结合的学习方式,可大大调动学生的学习积极性,从而提高生物信息学的教学效果。本文从生物信息学网络教学的内容选择、与课堂教学的结合以及教学效果的评估等方面,对网络学习在生物信息学教学改革中的重要性进行了探究,旨在为生物信息学的教学改革提供参考。     

低频声波频率下瘤背石磺CaM-like、CaMKII基因的表达及功能

长期栖息于潮间带的动物能够感知当地的潮汐规律,形成潮汐记忆的能力。本研究以栖息于潮间带的瘤背石磺(Onchidium reevesii)为对象,研究其通过感知潮汐来临时产生的低频声音来调节其行为与潮汐节律相协调的分子机制。通过RACE-PCR技术克隆到CaM-like基因的cDNA序列,并进行生物信息学分析和qRT-PCR实验。结果显示,瘤背石磺CaM-like基因的cDNA全长2321 bp,包括5′非编码区(UTR)366 bp,3′非编码区(UTR)1337 bp,618 bp的开放阅读框编码206个氨基酸;预测该基因编码的多肽链的原子数量是3165,分子量约为23029.64 kD,理论等电点4.64,分子式是C_(1018)H_(1544)N_(274)O_(320)S_9。N端信号肽由29个氨基酸组成。氨基酸序列比对构建系统进化树,结果显示瘤背石磺CaM-like基因与静水椎实螺(Lymnaea stagnalis)、光滑双脐螺(Biomphalaria glabrata)的CaM-like基因的亲缘关系最接近,这与传统形态学分类相吻合。在实验室内模拟潮汐中低频声音刺激瘤背石磺,应用qRT-PCR检测CaM-like基因在不同组织的分布情况,结果显示CaM-like mRNA在瘤背石磺不同组织均有表达,但神经节部位的表达量显著高于背部皮肤、腹足、肠、肝胰腺、口器和蛋白腺等组织(P0.05),推测其可能参与神经系统的可塑性调节。荧光定量结果显示CaM-like、CaMKII基因分别在25 Hz和50 Hz低频声波下刺激12.4 h表达量较高,初步推测其能感知25～50 Hz声波频率。这可能与栖息于潮间带中的瘤背石磺长期感知12.4 h半日潮潮汐周期节律,形成潮汐记忆有关。本研究将为进一步深入了解瘤背石磺感知潮汐节律的分子机制奠定基础,也为探究海洋动物由海洋向陆地进化过程中对环境的适应机制提供依据。     

基于技能学习的高职机械专业教学创新探讨

在高职机械专业教学中,以培养学生实际技能为中心目标,注重技能教学理论,培养出符合产业转型升级与企业一线需求的技术技能型人才,这是高职院校教育新的发展方向。为此,本文主要就基于技能学习的高职机械专业教学创新进行分析。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

基于多尺度卷积神经网络的轴承故障诊断研究

针对现有的轴承故障诊断数据特征提取单一的问题,本文提出了一种基于多尺度卷积神经网络的轴承故障诊断方法,以轴承运行时采集的故障信号为研究对象,使用多个尺寸的卷积核提取原始信号,使提取到的信号更加丰富,有效解决特征提取能力不强的问题,无需人工提取故障特征。试验结果表明,该方法具有较高的轴承故障诊断准确率。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。     

青牛逐梦自奋蹄——国网江苏淮安市洪泽区供电公司“一对一”结对助力员工成才

洪泽湖是中国五大淡水湖之一,相传老子在此炼丹,得道成仙后,留下坐骑青牛置于洪泽湖中。古有镇水铁牛保护湖区老百姓,现有淮安市洪泽区供电公司干部职工“俯首甘为孺子牛”,为辖区客户提供优质服务。洪泽区供电公司通过打造“亮牛角,创未来”学习平台、“牵牛鼻,定方向”活力平台、“迈牛蹄,自奋进”发展平台,“一对一”结对助力员工成才,从企业内部发现优秀人才,在实践中打造优秀人才梯队,为实现企业愿景和战略目标提供坚实的人才保障。     

一种新型卷积神经网络植物叶片识别方法

为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证。结果表明:该方法可以获得96.57%的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次。     

社会情感因素对高校英语词汇磨蚀的研究及对策

本文阐述了高校英语词汇磨蚀的内涵和影响因素,分析了社会情感因素对高校英语词汇磨蚀的影响,提出了几点优化社会情感因素对高校英语学习良性影响的对策。旨在通过本文的研究,明确社会情感因素在高校英语磨蚀中的影响,优化情感因素在高校英语教学中积极作用的发挥,促进高校英语教学质量与效率的提升。     

基于非接触式的牛只身份识别研究进展与展望

快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法，易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战；而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高，成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展，重点关注牛脸识别的最新成果，讨论当前牛脸识别在实际应用中面临的挑战，在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。