-
公开(公告)号：CN114360637B
公开(公告)日：2024-10-29
申请号：CN202210022369.7
申请日：2022-01-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 中国海洋大学
IPC: G16B15/00 , G16B25/00 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的蛋白质‑配体亲和力评价方法。为了解决数据集规模小的问题，本发明模拟半柔性对接过程，设计了基于分子柔性的数据增强方法(Data Enhancement Method based on molecular flexibility)，扩大数据规模、提高模型质量、保证了方法的科学性与合理性。本发明设计基于图注意力机制的分子特征提取方法，提取分子有效特征，提高打分函数的精度和性能。
-
公开(公告)号：CN114360637A
公开(公告)日：2022-04-15
申请号：CN202210022369.7
申请日：2022-01-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 中国海洋大学
Abstract: 本发明公开了一种基于图注意力网络的蛋白质‑配体亲和力评价方法。为了解决数据集规模小的问题，本发明模拟半柔性对接过程，设计了基于分子柔性的数据增强方法(Data Enhancement Method based on molecular flexibility)，扩大数据规模、提高模型质量、保证了方法的科学性与合理性。本发明设计基于图注意力机制的分子特征提取方法，提取分子有效特征，提高打分函数的精度和性能。
-
公开(公告)号：CN110767266B
公开(公告)日：2023-04-18
申请号：CN201911064826.3
申请日：2019-11-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明的基于图卷积的面向ErbB靶向蛋白家族的打分函数构建方法，包括：a).构建ErbB靶向蛋白数据，对于ErbB包含的4个受体酪氨酸激酶ErbB‑1、ErbB‑2、ErbB‑3和ErbB‑4均构建靶向蛋白数据集；b).扩大数据集规模，采用原始构象、旋转构象、优化构象的方法扩大数据集规模；c).构建ErbB靶向蛋白家族机器学习打分函数模型；d).模型的训练和评估。本发明的打分函数构建方法，建了一个ErbB蛋白家族机器学习分子亲和力评估数据集，为ErbB蛋白家族的机器学习任务奠定了数据基础；通过GCN技术突破了经典打分函数的瓶颈，提高了打分函数的性能，解决了机器学习打分函数通用模型准确率低的问题。
-
公开(公告)号：CN112417166A
公开(公告)日：2021-02-26
申请号：CN202011309998.5
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的知识图谱三元组置信度评价方法，包括评估阶段、融合阶段和校验阶段，a).实体层面评估；a‑1).数据源角度；a‑2).文献共现角度；a‑3).外链规模角度；a‑4).文本描述角度；a‑5).实体重要性角度；a‑6).实体的度的角度；b).关系层面评估；b‑1).数据源角度；b‑2).文献共现角度；b‑3).对实体间已知关系层面的评价；b‑4).对实体间未知关系层面的评价；c).知识图谱全局层面评估。本发明的知识图谱三元组置信度评价方法，可高效、快速、大规模的发掘知识图谱数据中的错误，进而提升整个知识图谱系统的数据质量；可以对链接预测、关系推理等机器学习任务的结果进行数据可靠性校验。
-
公开(公告)号：CN112380345A
公开(公告)日：2021-02-19
申请号：CN202011313700.8
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/35 , G06F16/36 , G06F40/232 , G06F40/258 , G06F40/284 , G06F40/289
Abstract: 本发明的基于GNN的COVID‑19科学文献细粒度分类方法，包括：a).COVID‑19科学文献知识图谱的构建；a‑1).知识类别的划分；a‑2).科学文献中实体设计；a‑3).科学文献中关系设计；a‑4).构建COVID‑19科学文献知识图谱；b).西药治疗知识图谱构建；c).中药治疗知识图谱构建；d).构建图神经网络模型；e).文本分类。本发明的基于GNN的COVID‑19科学文献细粒度分类方法，为医学工作者在海量的（通常大于1万篇）有关COVID‑19科学文献中快速查找到自己所需的知识类别文献，提供了一种行之有效的筛选和分类方法，有益效果显著，适于应用推广。
-
Patent Agency Ranking
公开(公告)号：CN110767266A
公开(公告)日：2020-02-07
申请号：CN201911064826.3
申请日：2019-11-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明的基于图卷积的面向ErbB靶向蛋白家族的打分函数构建方法，包括：a).构建ErbB靶向蛋白数据，对于ErbB包含的4个受体酪氨酸激酶ErbB-1、ErbB-2、ErbB-3和ErbB-4均构建靶向蛋白数据集；b).扩大数据集规模，采用原始构象、旋转构象、优化构象的方法扩大数据集规模；c).构建ErbB靶向蛋白家族机器学习打分函数模型；d).模型的训练和评估。本发明的打分函数构建方法，建了一个ErbB蛋白家族机器学习分子亲和力评估数据集，为ErbB蛋白家族的机器学习任务奠定了数据基础；通过GCN技术突破了经典打分函数的瓶颈，提高了打分函数的性能，解决了机器学习打分函数通用模型准确率低的问题。
-
公开(公告)号：CN112380345B
公开(公告)日：2022-03-29
申请号：CN202011313700.8
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/35 , G06F16/36 , G06F40/232 , G06F40/258 , G06F40/284 , G06F40/289
Abstract: 本发明的基于GNN的COVID‑19科学文献细粒度分类方法，包括：a).COVID‑19科学文献知识图谱的构建；a‑1).知识类别的划分；a‑2).科学文献中实体设计；a‑3).科学文献中关系设计；a‑4).构建COVID‑19科学文献知识图谱；b).西药治疗知识图谱构建；c).中药治疗知识图谱构建；d).构建图神经网络模型；e).文本分类。本发明的基于GNN的COVID‑19科学文献细粒度分类方法，为医学工作者在海量的（通常大于1万篇）有关COVID‑19科学文献中快速查找到自己所需的知识类别文献，提供了一种行之有效的筛选和分类方法，有益效果显著，适于应用推广。
-
公开(公告)号：CN112417166B
公开(公告)日：2022-08-26
申请号：CN202011309998.5
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的知识图谱三元组置信度评价方法，包括评估阶段、融合阶段和校验阶段，a).实体层面评估；a‑1).数据源角度；a‑2).文献共现角度；a‑3).外链规模角度；a‑4).文本描述角度；a‑5).实体重要性角度；a‑6).实体的度的角度；b).关系层面评估；b‑1).数据源角度；b‑2).文献共现角度；b‑3).对实体间已知关系层面的评价；b‑4).对实体间未知关系层面的评价；c).知识图谱全局层面评估。本发明的知识图谱三元组置信度评价方法，可高效、快速、大规模的发掘知识图谱数据中的错误，进而提升整个知识图谱系统的数据质量；可以对链接预测、关系推理等机器学习任务的结果进行数据可靠性校验。
-
公开(公告)号：CN113538234B
公开(公告)日：2025-03-25
申请号：CN202110730777.3
申请日：2021-06-29
Applicant: 中国海洋大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/084 , G06T3/4046 , G06N3/045 , G06N3/094 , G06N3/0475
Abstract: 本发明属于图像生成技术领域，公开了一种基于轻量化生成模型的遥感图像超分辨率重建方法，构建基于遥感图像的生成对抗超分辨率网络总模型，包括生成网络和判别网络，通过生成网络与判别网络持续的训练对抗，来生成与真实图像更为相近的超分辨率图像；所述生成网络融合了注意力的显著性机制，将不同通道特征重新进行权重分配，使得模型能够自适应的学习遥感图像的特征分布，通过损失函数和优化器不断迭代优化两个网络模型参数，以期达到两者间的动态平衡，使得生成图像的概率分布与真实图像的数据分布近似相同，以缓解图像超分辨重建的不适定问题。
-
公开(公告)号：CN119558673A
公开(公告)日：2025-03-04
申请号：CN202411411498.0
申请日：2024-10-10
Applicant: 中国电波传播研究所(中国电子科技集团公司第二十二研究所) , 中国海洋大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于SP‑URNet的海上非均匀对流层大气波导传播损耗时空预测算法，包括如下步骤：步骤1，大气波导大气修正折射率M参数化计算和波导传播损耗图像数据计算：步骤2，三维卷积自动编码器空间特征提取建模：步骤3，时间卷积网络TCN组成的U‑TCN模块对超视距传播损耗时间特征建模：步骤4，三维卷积自动解码器时间和空间特征整合：步骤5，SP‑URNet预测网络模型搭建。本发明所公开的算法，克服了现有技术无法满足对海上非均匀对流层大气波导传播损耗数据进行时空预测和非线性预测的缺失。
-
-
-
-
-
-
-
-
-
Search Results
463
records
(took 0.06 seconds)
