|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Molecular and phenotypic characterization of human amniotic fluid cells and their differentiation potential显示文摘学习的主要目标是多识别人的新奇来源有势力房间,克服涉及胚胎的干细胞研究和很成年的干细胞的有限可获得性的道德的问题。羊膜的液体房间(声频抗流圈) 习惯性地为出生前的诊断被获得并且能在 vitro 被扩展;他们的起源和性质的不过当前的知识是有限的。声频抗流圈的二十件样品在文化暴露于 adipogenic, osteogenic,神经原并且 myogenic 媒介。区别用免疫细胞化学, RT-PCR 并且西方的弄污被评估。在处理前,声频抗流圈显示出异构的形态学。他们为 MyoD, Myf-5, MRF4, Myogenin 和 Desmin 是否定的但是为由 RT-PCR 的 osteocalcin, PPARgamma2, GAP43, NSE, Nestin, MAP2, GFAP 和贝它导管素 III 积极。房间表示了 Oct-4, Rex-1 和 Runx-1,它描绘无差别的干细胞状态。由免疫细胞化学,他们表示了 neural-glial 蛋白质,间充质、上皮的标记。在文化以后,当占优势的细胞的部件是 fibroblastic 时,声频抗流圈区分了进 adipocytes 和造骨细胞。就算没有 neuronal 形态学是可检测的,早、迟了的 neuronal 抗原仍然是在在神经特定的媒介的 2 星期文化以后的现在。我们的结果提供人的羊膜的液体与为几个系显示出茎和织物特定的基因 / 蛋白质存在的多系潜力包含祖先房间的证据。 | Patrizia Bossolasco Tiziana Montemurro Lidia Cova Stefano Zangrossi Cinzia Calzarossa Simona Buiatiotis Davide Soligo Silvano Bosari Vincenzo Silani Giorgio Lambertenghi Deliliers PaoloRebulla LorenzaLazzari | 2006 | Cell Research2006，16，4： | 20 |
| 2 | 人工智能和视速度约束的地震波初至拾取方法显示文摘初至拾取是近地表静校正处理的重要步骤之一。随着采集密度的不断提高,地震数据量不断增加,迫切需要发展新的方法解决大数据量的初至自动拾取问题。传统方法通过人工交互拾取和质量控制,在面对庞大数据量的高密度数据时效率很低,而基于深度学习的初至自动拾取方法效率较高。在用于初至自动拾取的各种深度学习算法中,全卷积神经网络(FCN)在语义分割方面有突出优势,它可以处理不同大小的地震道集的数据,并且可以进行高分辨率的像素分类,但是这种方法存在定位精度不足的缺点。U-Net结构是FCN的一种变体,凭借较高精度和易于实现的特点,可以较好解决初至拾取问题,但在数据信噪比较低的情况下准确度会下降。为了解决以上问题,提出四个关键技术点:采用处理流程对振幅进行平衡以提高预测精度;比较U-Net与三种不同复杂度的U-Net变体(UNet++、Wide U-Net和Attention U-Net),从不同角度解决分割问题;选取合适的超参数优化网络;通过视速度约束提高分割图像精度。结果表明U-Net获得了更高的精度和效率,并在陆地地震数据应用中取得了较好的效果。 | David Cova 刘洋 丁成震 魏程霖 胡飞 李韵竹 | 2021 | 石油地球物理勘探2021，56，3： | 6 |
| 3 | Global brand communities across borders: the Warhammer case显示文摘 | Bernard Cova Stefano Pace David J. Park | 2007 | International Marketing Review2007，，3： | 1 |
| 4 | 一种基于ConvLSTM神经网络的TOC含量地震预测方法显示文摘TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极端梯度提升)方法的复杂映射能力有限,以致TOC含量预测精度有限.本文提出了一种基于ConvLSTM(Convolutional Long Short-Term Memory,卷积长短时记忆)神经网络的TOC含量地震预测方法,主要包括网络搭建、数据预处理、网络训练和测试四个部分.通过训练具有强复杂映射能力的ConvLSTM神经网络来建立TOC含量与地震弹性参数(纵波阻抗、速度比以及泊松比)之间的非线性关系,以有效地预测TOC含量的区域性分布.L区的数据试算结果表明,相比于线性回归和XGBoost方法,本文方法具有更高的TOC含量预测精度. | 李键 陈桂 David Cova 孙永壮 孙宇航 刘洋 | 2023 | 地球物理学进展2023，38，3： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员