公开(公告)号：CN115018060A

公开(公告)日：2022-09-06

申请号：CN202210466670.7

申请日：2022-04-29

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 吕琳媛 ,  刘波 ,  杨荣湄 ,  王浩

IPC: G06N3/06 ,  G06N3/063

Abstract: 本发明提供了一种重要神经循环回路计算方法，涉及脑神经技术领域，能够计算出真实神经元网络中不同阶的非平凡圈‑‑洞的结构，为神经环路研究提供计算方法和结构基础；该方法包括：S1、计算神经元网络的贝蒂数；S2、根据S1的计算结果找到一颗生成树；S3、根据找到的生成树生成对应的无关圈；S4、判断生成的无关圈是否为空心圈；若是，进入下一步，否则判断该无关圈是否包含空心圈；若是，对无关圈进行化简直至找出空心圈，并进入下一步，否则返回S2；S5、判断等价类是否等于贝蒂数；若是，进入下一步，否则回到步骤S2；S6、找到该生成树的所有空心圈，并选取等价类中的最短圈作为最终结果，完成计算。

公开(公告)号：CN117633544A

公开(公告)日：2024-03-01

申请号：CN202311428327.4

申请日：2023-10-31

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 吕琳媛 ,  杨荣湄 ,  刘波

IPC: G06F18/22 ,  G06N20/00 ,  G06F18/214 ,  G06F18/24 ,  G06N3/084

Abstract: 本发明公开了一种基于单纯形模体的高阶链路预测方法，该方法计算高阶网络中的单纯形模体，并作为机器学习模型的预测器进行高阶链路预测，有效地提升链路预测算法的预测精度，该方法通过分析单模体预测精度在不同数据集中的表现以及和样本分布差异性的相关系数，提供了两种开发通用模体的特征选择策略，只需要使用部分模体就可以达到较高的预测精度。在Email网络、药物网络、人类接触网络、合作网络、药物滥用警告网络、问答网站网络等不同类型的十个实证数据中进行了预测，预测效果普遍优于传统指标，验证了该方法的有效性和精确性，为预测高阶交互关系提供了帮助,可以有效地推广在社交网络分析、药物研发、推荐系统等应用场景中。