-
公开(公告)号：CN114927162A
公开(公告)日：2022-08-19
申请号：CN202210544114.7
申请日：2022-05-19
Applicant: 大连理工大学
Abstract: 本发明公开一种基于超图表征与狄利克雷分布的多组学关联表型预测方法，包括：组学数据预处理模块实现原始组学数据清洗与特征预筛选功能，以去除可能影响关联挖掘性能的噪声、错误和冗余特征。组学数据超图表征模块完成各组学内的余弦相似度计算，并据此构建超图关联矩阵。特征提取模块搭建超图卷积神经网络进行各个组学数据的特征提取。多组学集成预测模块利用由每个特定超图卷积神经网络生成的初始结果来构建狄利克雷分布参数，并将其作为输入到多组学集成算法以进行最终标签预测。本发明基于多组学数据与相应表型标签挖掘各组学信息的潜在相关性，并且有效地集成每个组学的特征信息，实现精准的组学数据与人体表型的关联预测。
-
公开(公告)号：CN114927162B
公开(公告)日：2024-06-14
申请号：CN202210544114.7
申请日：2022-05-19
Applicant: 大连理工大学
IPC: G16B20/00 , G16H50/30 , G06F18/10 , G06F18/2413 , G06F18/23 , G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于超图表征与狄利克雷分布的多组学关联表型预测方法，包括：组学数据预处理模块实现原始组学数据清洗与特征预筛选功能，以去除可能影响关联挖掘性能的噪声、错误和冗余特征。组学数据超图表征模块完成各组学内的余弦相似度计算，并据此构建超图关联矩阵。特征提取模块搭建超图卷积神经网络进行各个组学数据的特征提取。多组学集成预测模块利用由每个特定超图卷积神经网络生成的初始结果来构建狄利克雷分布参数，并将其作为输入到多组学集成算法以进行最终标签预测。本发明基于多组学数据与相应表型标签挖掘各组学信息的潜在相关性，并且有效地集成每个组学的特征信息，实现精准的组学数据与人体表型的关联预测。
-
公开(公告)号：CN114979182B
公开(公告)日：2023-02-14
申请号：CN202210283257.7
申请日：2022-03-22
Applicant: 大连理工大学
IPC: H04L67/1097 , H04L67/1074 , H04L61/103
Abstract: 本发明属于多维资源调度技术领域，涉及一种基于区块链的工业5G‑U物联网资源调度方法。面向工业5G‑U物联网高度动态的任务需求和不稳定的网络结构，本发明首先设计了基于区块链系统的工业5G‑U物联网架构，以支持物联网终端设备的协同交互以及动态资源调度；其次构建了多维资源交易模型，它通过划分控制接入设备确定资源交易空间，以资源交易的方式终端设备的资源需求，并引入信用账户来建立不同终端归属的管理者间的信任关系；最后设计一种多智能体强化学习驱动的分布式交易学习资源调度算法，利用局部学习和全局迭代的群体智能思想，实现可满足任务需求最佳资源调度方法，进而提升工业5G‑U物联网的设备协同效率。
-
公开(公告)号：CN114979182A
公开(公告)日：2022-08-30
申请号：CN202210283257.7
申请日：2022-03-22
Applicant: 大连理工大学
IPC: H04L67/1097 , H04L67/1074 , H04L61/103
Abstract: 本发明属于多维资源调度技术领域，涉及一种基于区块链的工业5G‑U物联网资源调度方法。面向工业5G‑U物联网高度动态的任务需求和不稳定的网络结构，本发明首先设计了基于区块链系统的工业5G‑U物联网架构，以支持物联网终端设备的协同交互以及动态资源调度；其次构建了多维资源交易模型，它通过划分控制接入设备确定资源交易空间，以资源交易的方式终端设备的资源需求，并引入信用账户来建立不同终端归属的管理者间的信任关系；最后设计一种多智能体强化学习驱动的分布式交易学习资源调度算法，利用局部学习和全局迭代的群体智能思想，实现可满足任务需求最佳资源调度方法，进而提升工业5G‑U物联网的设备协同效率。
-
-
-
Search Results
4
records
(took 0.019 seconds)
