-
公开(公告)号：CN113554276B
公开(公告)日：2023-11-07
申请号：CN202110713317.X
申请日：2021-06-25
IPC: G06Q10/0631 , G06Q50/30
Abstract: 本发明公开一种基于泊位供给可用性感知冲突规避泊位分配系统，包括路内停车区停泊信息采集端、系统控制云计算中心、数据通信传输系统、泊位调度监控平台；通过从停车需求混乱、停泊操作空间狭窄、停泊车辆相互干扰三方面问题出发，充分调度停车区范围内车辆停泊秩序并实现车辆快速安全停泊，避免停车区向道路网严重拥堵点演化。积极响应平高峰停泊需求差异性，该系统不仅有效规避了当前智慧停车快速发展带来的一系列附生问题，还可以有效降低多车辆停泊需求冲突、停泊车辆对其他车辆的相互干扰、为停泊车辆提供安全、舒适的停泊操作活动空间，并有效避免驾驶员初始盲目巡航与二次巡航；同时，该系统构建了停车区车辆停泊效益评价体系，精准把控系统的实践应用效益、并合理反馈到监泊位调度监控平台，实现系统应用效益最大化。
-
公开(公告)号：CN113554276A
公开(公告)日：2021-10-26
申请号：CN202110713317.X
申请日：2021-06-25
Abstract: 本发明公开一种基于泊位供给可用性感知冲突规避泊位分配系统，包括路内停车区停泊信息采集端、系统控制云计算中心、数据通信传输系统、泊位调度监控平台；通过从停车需求混乱、停泊操作空间狭窄、停泊车辆相互干扰三方面问题出发，充分调度停车区范围内车辆停泊秩序并实现车辆快速安全停泊，避免停车区向道路网严重拥堵点演化。积极响应平高峰停泊需求差异性，该系统不仅有效规避了当前智慧停车快速发展带来的一系列附生问题，还可以有效降低多车辆停泊需求冲突、停泊车辆对其他车辆的相互干扰、为停泊车辆提供安全、舒适的停泊操作活动空间，并有效避免驾驶员初始盲目巡航与二次巡航；同时，该系统构建了停车区车辆停泊效益评价体系，精准把控系统的实践应用效益、并合理反馈到监泊位调度监控平台，实现系统应用效益最大化。
-
公开(公告)号：CN119811504A
公开(公告)日：2025-04-11
申请号：CN202411931012.6
申请日：2024-12-26
Applicant: 桂林电子科技大学
IPC: G16B40/00 , G16B5/00 , G16B30/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种识别DNA序列中超级增强子与典型增强子的预测方法，采用整数编码和k‑mer编码方案进行编码，使用残差连接的卷积神经网络提取序列的局部特征，使用两个双向长短期记忆网络提取序列的多尺度全局特征。利用注意力机制将这些局部特征和全局特征进行特征融合，然后输入到全连接神经网络中得到预测概率。采用五折交叉验证的评估方式对模型性能进行评估，使用准确率（ACC）、召回率（REC）、精度（PRE）、F1分数（F1）、ROC曲线下面积（AUC）等五个评估指标衡量模型；独立测试集上的实验结果表明，相比于最先进的方法，我们的模型在识别超级增强子与典型增强子上有了显著的性能提升。
-
公开(公告)号：CN118098572A
公开(公告)日：2024-05-28
申请号：CN202410324041.X
申请日：2024-03-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种根据血液检测结果诊断患者肝纤维化分期状态的可解释OPTUNADF检测方法，获取肝纤维化患者的血液检测结果以及肝纤维化诊断状况；对特征进行标准化，并对异常值进行处理，使用数据均衡策略，获得均衡化后的数据集，使用前向特征选择筛选最相关特征子集；使用级联森林模型深度森林（DF）对数据集进行预测；使用OPTUNA超参数优化框架对模型进行处理；迭代100次，选择精度最优的超参数并输出OPTUNADF的预测结果；采用五折交叉验证的评估方式对模型性能进行评估，使用ROC、准确率、精确度、F1‑score、召回率五个评估指标衡量模型；使用SHAP中的kernelExplainer构建模型解释器对步骤5）中选取出的模型进行全局解释和局部解释。该方法无需侵入性检测，通过非侵入性的血液检测就可以诊断患者肝纤维化状态，同时兼具可解释性，相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
-
公开(公告)号：CN117672367A
公开(公告)日：2024-03-08
申请号：CN202311297790.X
申请日：2023-10-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种环状RNA亚细胞定位的预测方法，其特征包含如下步骤：获取含有携带亚细胞定位信息的环状RNA序列；使用CD‑HIT软件去除相似度超过80%的同源性序列；使用8‑mer划分RNA序列并计算每个短序列出现的频率特征，根据RNA二核苷酸物理化学性质计算自协方差与交叉协方差组成DACC特征；使用工具提取RNA序列的数学统计特征；使用IFS方法对8‑mer特征进行第一次特征选择，经过筛选的特征与DACC特征、数学特征进行融合，然后使用RFE方法进行第二次特征选择；将特征选择后的特征集输入到岭回归模型得到预测结果；采用十折交叉验证的评估方式对模型性能进行评估。该方法可以仅通过数学手段提取RNA序列中的特征，与基于生物学知识提取的序列特征相结合可以显著提高模型预测的能力。
-
Patent Agency Ranking
公开(公告)号：CN112649010B
公开(公告)日：2022-09-20
申请号：CN202011094399.6
申请日：2020-10-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种路径规划方法、路径规划系统、电子设备及计算机存储介质，通过在训练阶段对训练区域的道路数据归一化标准，提取历史轨迹的路径集合并添加了时间相符程度，训练满足历史轨迹下的最优回报函数值；在路径恢复阶段用所得最优回报函数值计算相邻道路之间的转移概率，并将道路与道路之间的转移概率作为边权值创建图论，同时加入了交叉口的方向补偿，对车辆掉头选择做出了优化补偿，在更新后的图论基础上采用最短路径法对缺失路径恢复，使得在多道路的缺失下依然能保持恢复的准确度。
-
公开(公告)号：CN112649010A
公开(公告)日：2021-04-13
申请号：CN202011094399.6
申请日：2020-10-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种路径规划方法、路径规划系统、电子设备及计算机存储介质，通过在训练阶段对训练区域的道路数据归一化标准，提取历史轨迹的路径集合并添加了时间相符程度，训练满足历史轨迹下的最优回报函数值；在路径恢复阶段用所得最优回报函数值计算相邻道路之间的转移概率，并将道路与道路之间的转移概率作为边权值创建图论，同时加入了交叉口的方向补偿，对车辆掉头选择做出了优化补偿，在更新后的图论基础上采用最短路径法对缺失路径恢复，使得在多道路的缺失下依然能保持恢复的准确度。
-
公开(公告)号：CN119763652A
公开(公告)日：2025-04-04
申请号：CN202411931086.X
申请日：2024-12-26
Applicant: 桂林电子科技大学
IPC: G16B15/30 , G16B30/00 , G16B40/00 , G16C20/50 , G16C20/70 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/09
Abstract: 本发明公开了一种基于多层次对比学习和等变图神经网络的药物靶点亲和力预测方法MLC‑DTA。该方法将预测问题转化为多层次（分子层次、网络层次）分子图的回归问题，利用AlphaFold2和RDKit分别获取蛋白质分子和药物分子的三维坐标，并分别通过等变图神经网络从分子层次捕获信息。药物靶点亲和力关系图则采用图卷积网络从网络层次捕获信息。这些多层次图嵌入经过对比学习策略后得到更具代表性的特征，最终通过MLP多层感知机输出预测回归值。MLC‑DTA模型在两个经典数据集上进行了预测，并通过Grid Search优化参数。划分训练集和测试集对模型性能进行评估，使用均方误差、一致性指数和回归趋向均值三个评估指标衡量模型性能。案例分析验证了模型的泛化能力，相比于最先进的方法，MLC‑DTA有了显著的性能提升。
-
公开(公告)号：CN118824353A
公开(公告)日：2024-10-22
申请号：CN202410923888.X
申请日：2024-07-11
Applicant: 桂林电子科技大学
IPC: G16B15/30 , G16B40/00 , G16B15/00 , G06F18/213 , G06F18/241 , G06F18/25 , G06F18/21 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种多视图图嵌入融合的蛋白质‑DNA结合位点预测方法EGPDI，利用蛋白质结构生成模型AlphaFold2获取蛋白质结构，整合蛋白质序列构成数据集；将蛋白质‑DNA结合位点问题转换为图节点分类问题；使用预训练的蛋白质语言模型(pLMs)生成嵌入和手工设计的特征共同构成图的节点特征编码；基于蛋白质的3D结构信息设计图的边特征编码；采用等变图神经网络和图卷积网络从不同的视图角度捕获信息；使用搭建的EGPDI模型对数据集进行预测，并采用Grid Search超参数优化对模型进行参数优化；采用五折交叉验证的评估方式对模型性能进行评估，使用特异性、精确率、召回率、F1‑score和马修斯相关系数，五个评估指标衡量模型；采用独立测试和案例分析进行模型泛化能力的验证，相比于最先进的方法，EGPDI有了显著的性能提升。
-
公开(公告)号：CN118800331A
公开(公告)日：2024-10-18
申请号：CN202410993153.4
申请日：2024-07-24
Applicant: 桂林电子科技大学
IPC: G16B30/00 , G16B40/00 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06F18/24 , G06N3/049
Abstract: 本发明公开了一种度学习模型结合核苷酸化学性质对于ncRNA家族的预测方法，使用的是公共数据库Rfam中的数据集，利用计算核苷酸化学性质与核苷酸密度的方法NCP‑ND对核苷酸序列数据进行编码，使用多尺度注意力机制（MSA）对初始特征向量进行加权，再使用Bi‑LSTM捕获核苷酸序列的上下文特征，进而使用DenseNet来提取核苷酸序列的全局特征，最后通过全连接网络进行多分类；通过正则化等技术来防止模型过拟合，使用十折交叉验证以及独立测试集来对模型进行性能测试。该方法使用NCP‑ND进行特征编码，不需要生物学的先验知识，利用深度学习的计算方法提高了ncRNA家族预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.124 seconds)
