-
公开(公告)号：CN116189809A
公开(公告)日：2023-05-30
申请号：CN202310015688.X
申请日：2023-01-06
Applicant: 东南大学
IPC: G16C20/50 , G16C20/30 , G16C20/70 , G16C10/00 , G06N3/045 , G06N3/042 , G06N3/094 , G06F18/2415 , G06F18/27
Abstract: 本发明公开了一种在抽象图拓扑结构中结合对抗性攻击分析图网络，从而能够预测药物分子的重要节点的模型构建方法，属于图神经网络和药物分子设计技术领域。该方法通过PCNC方法对分子表征向量进行特征变换，将分子表征向量与杂讯表征输入共享参数的图神经网络得到输出结果，以输出结果波动程度衡量函数VMF作为损失函数，结合对抗性攻击分析特定节点对抗杂讯表征的鲁棒性。该方法通过理论设计和实验验证，根据相关参数建立杂讯表征以输入目标模型，在对输出结果进行波动分析之后输出关键药物分子官能团预测结果，根据关键官能团分析药物分子属性，在药物分子设计的模型解释方面具有创新意义。
-
公开(公告)号：CN118298907A
公开(公告)日：2024-07-05
申请号：CN202410361155.1
申请日：2024-03-27
Abstract: 本发明公开了一种基于深度学习的抗菌肽识别与定向进化方法，该方法包括以下步骤：步骤1)分析抗菌肽分类及多肽抗菌性MIC预测任务之间的内在关联，步骤2)在训练完备的模型上，采用反向传播梯度下降和迭代进化的方法，步骤3)针对优化后具有强抗菌性的序列，利用已训练好的深度学习模型进行反向传播，获取梯度信息，步骤4)通过多肽合成和生物实验室测试，验证了50条经过定向进化优化的全新抗菌肽。该方法通过建立预训练模型及MIC回归微调，提高了对新抗菌肽的预测准确性，缩短了研发周期，为合成和应用提供了可靠的理论依据，同时显著减少了生物实验所需的资源。通过优化现有多肽序列，改善了其抗菌性能，增强了活性和特异性。
-
公开(公告)号：CN115966266A
公开(公告)日：2023-04-14
申请号：CN202310015687.5
申请日：2023-01-06
Applicant: 东南大学
IPC: G16C20/50 , G16C20/30 , G16C20/70 , G06N3/042 , G06N3/047 , G06N3/092 , G06N3/084 , G06F18/2415 , G06F18/243
Abstract: 本发明设计一种基于图神经网络的抗肿瘤分子强化学习方法，该方法包含以下步骤：步骤1：根据数据库中的分子标签将分子分为抗肿瘤(阳性)、非抗肿瘤(阴性)类别，步骤2：将所得图输入提出的抗肿瘤分子强化模型，根据阳性分子和阴性分子的不同性质学习图的隐式表示，获得抗肿瘤分子的局部结构特征，用于分子的一步生成和优化，步骤3：施加约束，进行目标优化，确保对分子强化过程中分子的类药性，步骤4：将获得的局部分子结构代入进行抗肿瘤分子的结构修改、优化，步骤5：使用已有分子性质合理检测工具，判断可合成性，输出合理分子，而针对不合理分子，进一步反向优化，步骤6：获得合理的新型抗肿瘤分子，任务结束。
-
Patent Agency Ranking
公开(公告)号：CN116189809B
公开(公告)日：2024-01-09
申请号：CN202310015688.X
申请日：2023-01-06
Applicant: 东南大学
IPC: G16C20/50 , G16C20/30 , G16C20/70 , G16C10/00 , G06N3/045 , G06N3/042 , G06N3/094 , G06F18/2415 , G06F18/27
Abstract: 本发明公开了一种在抽象图拓扑结构中结合对抗性攻击分析图网络，从而能够预测药物分子的重要节点的模型构建方法，属于图神经网络和药物分子设计技术领域。该方法通过PCNC方法对分子表征向量进行特征变换，将分子表征向量与杂讯表征输入共享参数的图神经网络得到输出结果，以输出结果波动程度衡量函数VMF作为损失函数，结合对抗性攻击分析特定节点对抗杂讯表征的鲁棒性。该方法通过理论设计和实验验证，根据相关参数建立杂讯表征以输入目标模型，在对输出结果进行波动分析之后输出关键药物分子官能团预测结果，根据关键官能团分析药物分子属性，在药物分子设计的模型解释方面具(56)对比文件Hassan Ismail Fawaz 等.AdversarialAttacks on Deep Neural Networks for TimeSeries Classification《.2019 InternationalJoint Conference on Neural Networks(IJCNN)》.2019,全文.刘恒;吴德鑫;徐剑.基于生成式对抗网络的通用性对抗扰动生成方法.信息网络安全.2020,(第05期),全文.赵蔡斌;王占领;郭小华;李丽华.基于神经网络的大黄素类化合物抗癌活性模型.陕西理工学院学报(自然科学版).2007,(第04期),全文.
-
公开(公告)号：CN116248249B
公开(公告)日：2023-12-08
申请号：CN202310002458.X
申请日：2023-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种联邦学习中基于间隙的组混淆攻击方法，该方法包括以下步骤：步骤1)GGO攻击者首先逐元素测量两次迭代之间的间隙，得到局部元素更新变化大小；步骤2)攻击者根据间隙大小，判断不同元素重要性，从而定位某些重要元素；步骤3)攻击者使用特定攻击函数实现群体合谋，协作攻击步骤2)中所定位的重要元素，最终改变更新方向，破坏全局模型。该方法通过将背景设置为完全黑盒来拟合现实场景，控制更新差异，利用基于间隙的定位方法，从而提高GGO攻击成功率，优化GGO攻击性能，同时降低GGO攻击消耗成本。利用GGO攻击揭示现有联邦学习防御方法的脆弱性，赋能未来联邦学习安全应用系统的改造创新。
-
公开(公告)号：CN115966266B
公开(公告)日：2023-11-17
申请号：CN202310015687.5
申请日：2023-01-06
Applicant: 东南大学
IPC: G16C20/50 , G16C20/30 , G16C20/70 , G06N3/042 , G06N3/047 , G06N3/092 , G06N3/084 , G06F18/2415 , G06F18/243
Abstract: 本发明设计一种基于图神经网络的抗肿瘤分子强化学习方法，该方法包含以下步骤：步骤1：根据数据库中的分子标签将分子分为抗肿瘤(阳性)、非抗肿瘤(阴性)类别，步骤2：将所得图输入提出的抗肿瘤分子强化模型，根据阳性分子和阴性分子的不同性质学习图的隐式表示，获得抗肿瘤分子的局部结构特征，用于分子的一步生成和优化，步骤3：施加约束，进行目标优化，确保对分子强化过程中分子的类药性，步骤4：将获得的局部分子结构代入进行抗肿瘤分子的结构修改、优化，步骤5：使用已有分子性质合理检测工具，判断可合成性，输出合理分子，而针对不合理分子，进一步反向优化，步骤6：获得合理的新型抗肿瘤分子，任务结束。
-
公开(公告)号：CN116248249A
公开(公告)日：2023-06-09
申请号：CN202310002458.X
申请日：2023-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种联邦学习中基于间隙的组混淆攻击方法，该方法包括以下步骤：步骤1)GGO攻击者首先逐元素测量两次迭代之间的间隙，得到局部元素更新变化大小；步骤2)攻击者根据间隙大小，判断不同元素重要性，从而定位某些重要元素；步骤3)攻击者使用特定攻击函数实现群体合谋，协作攻击步骤2)中所定位的重要元素，最终改变更新方向，破坏全局模型。该方法通过将背景设置为完全黑盒来拟合现实场景，控制更新差异，利用基于间隙的定位方法，从而提高GGO攻击成功率，优化GGO攻击性能，同时降低GGO攻击消耗成本。利用GGO攻击揭示现有联邦学习防御方法的脆弱性，赋能未来联邦学习安全应用系统的改造创新。
-
公开(公告)号：CN114997577A
公开(公告)日：2022-09-02
申请号：CN202210454301.6
申请日：2022-04-27
Applicant: 东南大学
Abstract: 本发明提供一种基于设计供应链网络来降低供应链成本的方法，涉及计算机算法优化与供应链网络设计领域。该发明基于设计供应链网络来降低供应链成本的方法，包括：二级库存供应链网络模型的构建，求解该网络模型的对应算法。该方法通过算法求解模型，优化分销中心总设立成本；总运输成本，包括从工厂到分销中心，分销中心到零售点两部分的成本；分销中心与零售点的总库存成本；车辆燃油消耗而产生的二氧化碳排放所征收的碳税成本。本发明解决了考虑更多实际成本而增加供应链网络优化模型复杂性的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
