一种C3取代的四氢异喹啉衍生物及其制备方法和应用

    公开(公告)号:CN106831577A

    公开(公告)日:2017-06-13

    申请号:CN201611105357.1

    申请日:2016-12-05

    CPC classification number: C07D217/26

    Abstract: 本发明公开了一种C3取代的四氢异喹啉衍生物,所述衍生物结构通式如式I或式II所示,所述R1基为氢、环烷基、烷基、苯基或取代苯基;所述R2基为氢或烷基;所述R3基为烷基;取代基为碳原子数为1~3的烷基。本发明同时提供上述衍生物的制备方法及在制备磷酸二酯酶Ⅳ抑制剂中的应用。本发明以香草醛为原料,依次经取代反应、加成消除反应、还原反应、缩合反应、Bischler‑Napieralski反应、酰化反应、水解反应及酰胺化反应得到所述衍生物。所述衍生物对磷酸二酯酶IV具有较强的抑制作用,对治疗哮喘及慢性肺栓塞疾病具有潜在的预防和治疗效果。

    基于多任务深度学习的情感识别方法、系统及存储介质

    公开(公告)号:CN116030526B

    公开(公告)日:2023-08-15

    申请号:CN202310165454.3

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质,所述方法包括:获取情感数据集;情感数据集包括多张课堂学生图像,在课堂学生图像中标注每个学生的情感状态标签;构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络;利用图像表征学习网络对课堂学生图像进行特征提取,得到表征向量;利用图像重构网络对表征向量进行图像重构;利用多任务标签生成网络根据表征向量预测情感状态标签;利用情感数据集训练多任务深度学习网络模型,计算损失函数并更新模型的权重;将待识别图像输入训练好的多任务深度学习网络模型中,预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。

    基于多任务深度学习的情感识别方法、系统及存储介质

    公开(公告)号:CN116030526A

    公开(公告)日:2023-04-28

    申请号:CN202310165454.3

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于多任务深度学习的情感识别方法、系统及存储介质,所述方法包括:获取情感数据集;情感数据集包括多张课堂学生图像,在课堂学生图像中标注每个学生的情感状态标签;构建的多任务深度学习网络模型包括图像表征学习网络、图像重构网络和多任务标签生成网络;利用图像表征学习网络对课堂学生图像进行特征提取,得到表征向量;利用图像重构网络对表征向量进行图像重构;利用多任务标签生成网络根据表征向量预测情感状态标签;利用情感数据集训练多任务深度学习网络模型,计算损失函数并更新模型的权重;将待识别图像输入训练好的多任务深度学习网络模型中,预测情感状态标签。本发明利用构建的网络模型提高了情感识别的准确率。

Patent Agency Ranking