-
公开(公告)号：CN114692788A
公开(公告)日：2022-07-01
申请号：CN202210611385.X
申请日：2022-06-01
Applicant: 天津大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明公开了一种基于增量学习的厄尔尼诺极端天气预警方法及装置，方法包括：基于增量训练，即使用一多尺度特征频域蒸馏技术，选择性地约束多尺度特征低频分量的漂移，记忆并行卷积神经网络在旧任务中学到的知识；使用一多尺度特征自适应融合技术，根据输入多尺度数据不同的时间跨度，自适应学习不同的融合参数，增强对新任务的学习能力；自适应融合后的特征通过全连接层，输出反映厄尔尼诺现象变化规律的Nino3.4指数，建立极端降雨概率的映射函数，预测值超过阈值则进行暴雨预警并提前开展输电线路暴雨防治工作。装置包括：处理器和存储器。本发明可以有效的提升增量的厄尔尼诺现象下降雨量预测的准确度，减轻自然灾害。
-
公开(公告)号：CN113467778A
公开(公告)日：2021-10-01
申请号：CN202110697474.6
申请日：2021-06-23
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/41
Abstract: 本发明提出一种异构众核处理器中算法转换方法和系统，其方法技术方案包括预定义异构众核处理器主核中C++算法识别库的数据结构，预定义C++算法转换至C语言的语句识别规则和语法映射规则，并通过ANTLR技术对C++源代码进行语法解析，形成抽象语法树；对抽象语法树进行遍历，解析C++算法定义文件，根据预定义的C++算法识别库的数据结构，构建算法识别库；对抽象语法树再次进行遍历，根据语法映射规则将C++源代码算法语句映射到基于C语言的libcstl上；根据libcstl的语法规则，对C++源代码算法语句进行重构，将C++算法转换为C语言的libcstl。本发明解决了现有STL算法实现复杂、重构复杂耗时，手工编写方式效率低、成本高的问题。
-
公开(公告)号：CN113391817A
公开(公告)日：2021-09-14
申请号：CN202110665389.1
申请日：2021-06-16
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/41
Abstract: 本申请公开了一种基于ANTLR4的头文件替换方法及装置。所述基于ANTLR4的头文件替换方法包括：获取目标语言的头文件映射数据结构，所述目标语言的头文件映射数据结构包括目标头文件信息及原有头文件信息；获取待替换文件，其包括头文件以及内容文件；在内容文件进行源代码解析转换过程中，获取待替换文件的头文件信息；将待替换文件的头文件信息与原有头文件信息进行匹配从而获取匹配到的原有头文件信息并将匹配到的原有头文件信息作为替换头文件信息；将各个替换头文件信息插入至内容文件转换后的待替换文件中的头文件中。本申请的基于ANTLR4的头文件能够实现头文件快速准确的匹配与插入，提高代码转换的效率。
-
公开(公告)号：CN113283469A
公开(公告)日：2021-08-20
申请号：CN202110401532.6
申请日：2021-04-14
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本申请公开了一种基于视图的三维模型检索的图嵌入无监督特征学习方法。所述基于图嵌入无监督特征学习的三维模型检索方法包括：获取待检索三维模型以及获取三维数据库；获取待检索三维模型及预设三维模型的视图特征；根据待检索三维模型的视图特征以及预设三维模型的视图特征获取第一模型排序图；对第一模型排序图进行修正生成第二模型排序图；根据第二模型排序图获取正标签估计信息以及负标签估计信息；根据所述正标签估计信息以及负标签估计信息进行度量学习获取度量模型；根据所述度量模型生成检索图；根据所述待检索三维模型的视图特征以及所述检索图，获取最终标签。采用本申请的方法可以得到稳定的检索图和判别距离度量。
-
公开(公告)号：CN113283468A
公开(公告)日：2021-08-20
申请号：CN202110401476.6
申请日：2021-04-14
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本申请公开了一种基于三维形状知识图谱的三维模型检索方法及装置。所述基于三维形状知识图谱的三维模型检索方法包括：获取三维模型数据库，所述三维模型数据库中包括多个三维模型，每个三维模型具有一个识别标签；对每个三维模型进行处理，从而获取每个三维模型的三元组；生成三维形状知识图谱；获取待检索三维模型；将待检索三维模型与所述三维形状知识图谱中的各个节点进行相似度对比，从而获得三维形状知识图谱中与待检索三维模型相似度最高的节点所对应的三维模型。本申请的三维形状知识图谱有效地表示两个不同形状之间的关系和三维模型的结构信息且本申请不依赖三维模型来训练网络参数，从而获得更准确的检索结果。
-
Patent Agency Ranking
公开(公告)号：CN113190233A
公开(公告)日：2021-07-30
申请号：CN202110405714.0
申请日：2021-04-15
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F8/41 , G06F40/289
Abstract: 本发明公开了一种面向多源异构编程语言的智能源码翻译方法及系统，包括：获取能够实现相同功能的至少两种编码语言类型的编码源文件，并进行预处理，以获取BPE codes文件；对每个编码源文件进行二进制化处理，以获取二进制编码文件；基于去噪自编码器构建初始的智能源码翻译模型，并利用二进制编码文件和BPE codes文件对所述初始的智能源码翻译模型进行预训练，以确定经过预训练的智能源码翻译模型；利用二进制编码文件和BPE codes文件对所述经过预训练的智能源码翻译模型进行翻译训练，确定最终智能源码翻译模型；根据目标编码语言类型，利用所述最终智能源码翻译模型进行待翻译源码文件的翻译，以确定与所述待翻译源码文件对应的目标编码语言类型的编码文件。
-
公开(公告)号：CN112507113A
公开(公告)日：2021-03-16
申请号：CN202010988715.8
申请日：2020-09-18
Applicant: 青岛海洋科学与技术国家实验室发展中心 , 中国海洋大学
Abstract: 本申请公开了一种海洋大数据文本分类方法及系统。所述海洋大数据文本分类方法包括：获取待分类原始文本数据，其包括有效特征词数据以及无效词数据；对待分类原始文本数据进行预处理，从而获取有效特征词数据；根据有效特征词数据获取有效特征词向量模型，其包括关键词数据；生成加权关键词数据；根据加权关键词数据对有效特征词向量模型中的关键词数据进行权重分配处理，从而获得权重特征词数据；将权重特征词数据输入至训练后的海洋文本分类器，从而获取海洋文本分类结果。本发明的海洋大数据文本分类方法通过对待分类原始文本数据的预处理、加权，从而能够获得更为准确的分类结果。
-
公开(公告)号：CN112402402A
公开(公告)日：2021-02-26
申请号：CN202011310476.7
申请日：2020-11-20
Applicant: 青岛海洋科学与技术国家实验室发展中心 , 青岛海洋生物医药研究院股份有限公司
Abstract: 本发明提出了一种黄腐酚在制备新型冠状病毒抑制剂中的应用。本发明以新型冠状病毒引发肺部炎症的Mpro蛋白酶为靶点，通过基于结构的虚拟筛选得到了具有与Mpro蛋白酶结合能力强的抗病毒的活性化合物——黄腐酚。黄腐酚通过与靶点Mpro蛋白酶结合，抑制Mpro蛋白酶活性，从而抑制病毒的复制和转录，达到抗击新型冠状病毒感染的效应。黄腐酚可以在制备新型冠状病毒Mpro蛋白酶抑制剂中进行应用，从而在制备预防和/或治疗新型冠状病毒炎症的药物中进行应用。本发明的黄腐酚与Mpro蛋白酶的结合能是：‑63.427KJ/mol，对Mpro蛋白酶的IC50为4.97±1.79μM，抑制常数Ki值为2.14μM。
-
公开(公告)号：CN112306678A
公开(公告)日：2021-02-02
申请号：CN202011139857.3
申请日：2020-10-22
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G06F9/50 , G06F15/173
Abstract: 本发明涉及一种基于异构众核处理器的算法并行处理方法及系统，以串行程序中运行耗时大的代码段作为并行计算的对象，根据其特点进行任务的划分，确定主核与从核阵列的任务分工，将耗时的计算交给从核阵列执行；每个从核主动从主存中获取任务和计算所用到的数据，并返回计算结果给主核，主核采用异步串行方式对主存数据进行更新，以避免数据依赖引起数据读写错误；同时，针对主从核通信的时间消耗问题，通过将单数据项封装在结构体中实现数据打包，并设置主核的数据主存地址256B对界，实现单次数据拷贝粒度不小于256B，以最大化地利用单核组的带宽，优化数据传输性能，在从核执行计算过程中，使用双缓冲机制实现通信时间的消耗隐藏，提高并行效率。
-
公开(公告)号：CN111435608A
公开(公告)日：2020-07-21
申请号：CN201910839108.2
申请日：2019-09-05
Applicant: 中国海洋大学 , 青岛海洋科学与技术国家实验室发展中心
IPC: G16B20/30
Abstract: 本发明提出了一种基于深度学习的蛋白质药物结合位点预测方法，包括如下步骤：步骤1、选取蛋白数据库中的若干蛋白质形成训练集，若干蛋白质形成验证集，若干蛋白质形成测试集，其中训练集用于训练模型的训练；步骤2、训练后的训练模型对蛋白质数据库进行特征提取和标签提取，获取数据，完成神经网络的训练，得到预测模型；步骤3、将新的蛋白质输入预测模型中，进行结合位点位置的定位和预测，借此，本发明具有综合考虑结合位点形成因素，基于深度学习进行结合位点的定位和预测的优点。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.074 seconds)
