您的位置: 专家智库 > >

丁一

作品数:2 被引量:3H指数:1
供职机构:中国科学院更多>>
相关领域:自动化与计算机技术生物学更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇生物学
  • 1篇自动化与计算...

主题

  • 1篇修饰
  • 1篇神经网
  • 1篇神经网络
  • 1篇氢化
  • 1篇氢化酶
  • 1篇网络
  • 1篇网络辅助
  • 1篇滤波
  • 1篇卡尔曼
  • 1篇卡尔曼滤波
  • 1篇扩展卡
  • 1篇扩展卡尔曼滤...
  • 1篇翻译
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络
  • 1篇EKF

机构

  • 2篇中国科学院大...
  • 1篇上海科技大学
  • 1篇中国科学院
  • 1篇中国科学院上...

作者

  • 2篇丁一
  • 1篇孙俊松
  • 1篇史吉平
  • 1篇张瑶
  • 1篇李冠男
  • 1篇吴海英
  • 1篇张瑶

传媒

  • 1篇小型微型计算...
  • 1篇中国生物工程...

年份

  • 1篇2020
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
氢化酶重组表达研究进展
2015年
氢化酶催化最简单的氧化还原反应,但蛋白结构却非常复杂,对其蛋白结构和催化功能的研究牵动着生物制氢、光电产氢催化剂及氢能源电池等相关绿色能源产业的发展。氢化酶通常可逆地催化质子还原产氢的反应,对氧化还原电位非常敏感,催化活性中心易于被氧化失活,活性蛋白的分离提纯十分不易,使得对其催化机制的认识推进缓慢。为了获取更多的氢化酶活性蛋白,许多研究团队先后对氢化酶开展了大量的同源或异源重组表达研究,就这类研究工作进行了扼要的总结和分析。
丁一吴海英史吉平孙俊松
关键词:氢化酶
神经网络校正的EKF在水下被动目标跟踪中的应用研究被引量:3
2020年
对于水下目标被动跟踪,通常采用扩展卡尔曼滤波算法进行目标状态估计,但在目标跟踪过程中,由于目标运动的不确定性及系统噪声的影响,此时对目标的状态估计通常难以获得较高的精度.针对以上问题,本文提出一种由BP神经网络来校正扩展卡尔曼滤波的被动目标跟踪算法.利用BP神经网络的学习能力,将卡尔曼滤波过程中的滤波增益、滤波值与预测值之差、滤波值与量测值之差作为BP神经网络的输入,学习得出卡尔曼滤波的滤波误差,并利用此误差值对滤波过程进行在线校正.仿真表明,BP神经网络辅助校正扩展卡尔曼滤波的方法,对滤波过程的可靠性和精确度都有了提升.
丁一丁一张瑶
关键词:BP神经网络扩展卡尔曼滤波
共1页<1>
聚类工具0