-
公开(公告)号：CN119028489B
公开(公告)日：2025-02-11
申请号：CN202411500510.5
申请日：2024-10-25
Applicant: 南京师范大学
IPC: G16C20/70 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/0985 , G06N3/084
Abstract: 本发明公开了一种高维数据驱动的基于人工智能的下一代催化剂设计方法，具有以下创新性组成部分：（1）多维数据融合模块：使用新型数据处理技术整合各种实验和计算数据。（2）自适应神经网络架构：根据催化剂的性能需求动态调整网络结构，以优化催化剂的选择性和活性。（3）知识驱动的特征工程模块：结合化学知识图谱，自动提炼对催化性能影响最大的特征。（4）迭代反馈优化模块：利用在线学习机制调整参数，数字孪生技术模拟行为，机器学习预测模型和传感器数据融合监控状态。（5）交互式可视化和决策支持模块：提供先进的可视化工具和AI决策支持，帮助研发人员理解数据并做出科学决策。
-
公开(公告)号：CN119207608A
公开(公告)日：2024-12-27
申请号：CN202411621188.1
申请日：2024-11-14
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于图语法的半导体催化剂智能设计与反应机理优化方法，具有以下步骤组成：步骤1图语法模型生成与优化模块：自动生成半导体催化剂的分子结构模型，筛选出具有最佳催化性能的结构组合。步骤2反应路径自动推导模块：模拟分子间的相互作用，生成反应路径图；步骤3智能化催化剂设计模块：分析半导体催化剂结构与性能之间的关系，动态调整催化剂的分子结构；步骤4反应机理可视化与解释模块：提供反应路径和结构变化的图形化展示，支持多维数据的交互分析；步骤5实时监控与反馈优化模块：实时监控催化反应过程中的关键参数，动态调整图语法模型和设计方案。
-
公开(公告)号：CN119478754B
公开(公告)日：2025-04-29
申请号：CN202410655431.5
申请日：2024-05-24
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06V40/20 , G06T7/254 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于差分特征增强的多视角中学实验步骤检测方法及系统，首先对视频进行预处理，提取原始和差分视频帧片段，通过特征提取器获得视觉时序特征与差分运动特征，输入编码器学习时空依赖关系，并利用交叉注意力机制进行特征融合，最终将融合后的多视角视觉时序特征通过解码器输出分类结果。本专利能够更准确地捕捉实验步骤的变化和动作特征，提高了分类模型的精度和鲁棒性，能够有效解决人工检测中学实验步骤会耗费大量人力资源、已有方法未充分探索时序关系、效率低等问题，提高了检测精度，因此具有较高的应用价值和应用前景。
-
公开(公告)号：CN117315638B
公开(公告)日：2024-06-18
申请号：CN202311366458.4
申请日：2023-10-20
Applicant: 南京师范大学
IPC: G06V20/60 , G06V10/44 , G06V10/46 , G06V10/422 , G06V10/764 , G06V10/82 , G06V10/778 , G06N3/0464 , G06N3/096 , G06V10/774 , G06N5/022 , G06V10/776
Abstract: 本发明公开了一种基于信息素划分生态位的浮游藻类互动快速智能分析办法，具体包括如下组成部分：(1)基于卷积神经网络（CNN）和SIFT SURF HOG，对不同藻类样本的特征进行提取，包括数量和形状特征；(2)通过学习已知浮游藻类信息素和特征之间的关系，来识别水样中的信息素；（3）通过规则库，反馈权重文件给识别系统，所得数据用于生态位的鉴定，分析种间互动关系；(4)利用少量精准标注信息对模型进行权重精调；（5）根据藻类专家的反馈结果，模型自适应微调，本发明能够准确分析水样中浮游藻类的数量和种类，并分析它们之间的相互作用，发明可以帮助科研人员和环境保护部门更好地了解湖泊中藻类的生态系统，为藻类生态学研究和环境保护提供支持。
-
公开(公告)号：CN117315638A
公开(公告)日：2023-12-29
申请号：CN202311366458.4
申请日：2023-10-20
Applicant: 南京师范大学
IPC: G06V20/60 , G06V10/44 , G06V10/46 , G06V10/422 , G06V10/764 , G06V10/82 , G06V10/778 , G06N3/0464 , G06N3/096 , G06V10/774 , G06N5/022 , G06V10/776
Abstract: 本发明公开了一种基于信息素划分生态位的浮游藻类互动快速智能分析办法，具体包括如下组成部分：(1)基于卷积神经网络（CNN）和SIFT SURF HOG，对不同藻类样本的特征进行提取，包括数量和形状特征；(2)通过学习已知浮游藻类信息素和特征之间的关系，来识别水样中的信息素；（3）通过规则库，反馈权重文件给识别系统，所得数据用于生态位的鉴定，分析种间互动关系；(4)利用少量精准标注信息对模型进行权重精调；（5）根据藻类专家的反馈结果，模型自适应微调，本发明能够准确分析水样中浮游藻类的数量和种类，并分析它们之间的相互作用，发明可以帮助科研人员和环境保护部门更好地了解湖泊中藻类的生态系统，为藻类生态学研究和环境保护提供支持。
-
Patent Agency Ranking
公开(公告)号：CN116343910A
公开(公告)日：2023-06-27
申请号：CN202310327119.9
申请日：2023-03-30
Applicant: 南京师范大学
IPC: G16B15/30 , G16B40/00 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于图神经网络的蛋白质与配体之间对接姿势的预测方法，首先，获取蛋白质‑配体复合物的生物信息样本集，样本集包括样本数据和样本标注数据；其次，构建基于图神经网络的对接姿势生成模型和基于多视角的对接姿势评估模型，进一步调节模型的参数，通过训练得到的结构生成模型对样本数据进行处理，获得蛋白质配体的姿势对接实际输出；最后，利用主流的姿势对接结构评价指标对输出结果进行稳定性评估。本发明直接利用配体蛋白质的生物结构信息生成最优的对接姿势结构，并通过多角度的综合评估模型对生成结果进行评估，从而提高对配体‑蛋白质姿势结构对接预测的准确性，以及提高对配体‑蛋白质姿势结构对接预测结果评估的有效性。
-
公开(公告)号：CN113990415A
公开(公告)日：2022-01-28
申请号：CN202111637075.7
申请日：2021-12-30
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于神经网络的三维催化材料催化特性筛选系统，包括催化剂材料浅层特性采样模块、催化剂材料结构信息嵌入模块、催化材料性质学习模块、催化材料隐层信息表示模块和催化材料多任务筛选模块，所述催化剂材料浅层特性采样模块包括中心原子投影和邻接结构采样，所述催化材料性质学习模块包括通过N层的Graph Transformer神经网络学习催化材料结构信息，本发明的有益效果：与传统的DFT方法预测分子性质相比通过本系统对分子性质筛选所花费的时间具有显著的减少、所花费的算力成本显著减少。
-
公开(公告)号：CN118411652B
公开(公告)日：2025-04-25
申请号：CN202410655427.9
申请日：2024-05-24
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/25 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/28 , G06V40/20 , G06V10/82 , G06V20/70 , G06T7/254 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于运动目标语义增强的多模态中学实验步骤检测方法及系统，首先对视频帧预处理，通过帧差分获取运动区域，利用目标检测技术获取运动目标并使用BERT模型提取语义时序特征，再在编码器中对视频特征进行时序依赖建模获取步骤级别的视觉时序特征，在解码器中与运动目标语义特征进行融合，构建实验步骤与对应目标的联系，实现对中学实验视频中实验步骤的准确检测。本专利方法能够更有效地捕捉实验步骤的独特运动特征，有效区分不同步骤，实现了对实验步骤的准确判断，具有广阔的应用前景。
-
公开(公告)号：CN118411652A
公开(公告)日：2024-07-30
申请号：CN202410655427.9
申请日：2024-05-24
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/25 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/28 , G06V40/20 , G06V10/82 , G06V20/70 , G06T7/254 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于运动目标语义增强的多模态中学实验步骤检测方法及系统，首先对视频帧预处理，通过帧差分获取运动区域，利用目标检测技术获取运动目标并使用BERT模型提取语义时序特征，再在编码器中对视频特征进行时序依赖建模获取步骤级别的视觉时序特征，在解码器中与运动目标语义特征进行融合，构建实验步骤与对应目标的联系，实现对中学实验视频中实验步骤的准确检测。本专利方法能够更有效地捕捉实验步骤的独特运动特征，有效区分不同步骤，实现了对实验步骤的准确判断，具有广阔的应用前景。
-
公开(公告)号：CN117420080A
公开(公告)日：2024-01-19
申请号：CN202311366461.6
申请日：2023-10-20
Applicant: 南京师范大学
Abstract: 本发明公开了一种融合了浮游藻类色素蛋白光谱与图像的水质分析方法，包括如下组成部分：（1）光谱分析仪器模块：包括光谱仪、分光计，用于测量浮游藻类色素蛋白的光谱特征；（2）数据处理单元模块；（3）色素蛋白数据库模块：色素蛋白在生物体中起着色彩调节和光能转换的作用，可以通过吸收光线的能量来改变它们的电子结构，基于存储不同浮游藻类的不同色素蛋白光谱特征数据的色素蛋白数据库，将采集到的浮游藻类样本的光谱数据进行比对和匹配；（4）数据分析和水质评估模块：用于对光谱数据进行分析和解释；（5）结果显示和报告模块：将分析得到的水质评估结果以可视化的形式显示，并生成水质分析报告。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.018 seconds)
