一种用于蛋白质相互作用关系预测的解耦图网络算法

    公开(公告)号:CN117809733A

    公开(公告)日:2024-04-02

    申请号:CN202311814588.X

    申请日:2023-12-27

    摘要: 本发明提供了一种蛋白质相互关系预测的解耦图网络算法,涉及蛋白质相互关系预测技术领域,包括如下步骤:构建蛋白质相互作用图,计算在任意一种蛋白质相互关系存在的情况下同时存在另一种相互关系的条件概率以获得条件概率矩阵,对蛋白质节点进行初始词嵌入得到蛋白质向量表征,将蛋白质向量表征分别通过N个多层感知机得到不同蛋白质向量在各个类别的蛋白质向量表征,利用图神经网络在具体类别的蛋白质向量表征上进行更新,将蛋白质对的这N个类别的特征表示进行点积运算得到蛋白质相关关系并用条件概率矩阵进行约束,从而通过边的类别信息做分类预测。本发明将蛋白质的类别信息解耦出来进行分类预测并用条件概率进行约束,提高了预测的效果。

    一种使用扩散模型生成数据的颈椎MRI图像自监督分割方法

    公开(公告)号:CN117036386A

    公开(公告)日:2023-11-10

    申请号:CN202311188494.6

    申请日:2023-09-14

    发明人: 钟原 潘恩元 李平

    摘要: 本发明公开了一种使用扩散模型生成数据的颈椎MRI图像自监督分割方法。该方法包括颈椎MRI切片筛选和基于扩散模型的超分辨率重建等的图像预处理;以及为了解决深度分割模型的训练数据量不足和数据缺乏差异性的问题,使用了改进的扩散模型生成高质量的MRI图像;最后使用自监督方法,将真实图像和生成图像结合,解决了标签量不足的问题,构建Encoder‑Decoder结构的Att‑UNet网络对输入数据进行相关特征提取,并使用多尺度一致性输出衡量损失,最终得到了更精准的椎体和椎间盘分割结果。本发明将基于扩散模型的MRI图像生成与自监督分割结合,有效扩充了样本数量,提升了模型鲁棒性和分割精度,为临床颈椎疾病诊断提供了更准确的参考信息。

    一种基于双模态图网络信息瓶颈的情感识别方法

    公开(公告)号:CN115631504B

    公开(公告)日:2023-04-07

    申请号:CN202211645853.1

    申请日:2022-12-21

    发明人: 李丽 李平 苟丽

    摘要: 本发明提供了一种基于双模态图网络信息瓶颈的情感识别方法,包括数据预处理,通过相应的预训练模型分别对图文进行编码;使用长短期记忆网络和前馈神经网络分别进行文本和图像的特征提取;基于语法依赖关系和视觉块相邻位置关系的模态内拓扑图的构建,基于完全二部图的双模态拓扑图的构建;设计基于双模态图网络的模态交互模块,利用图卷积网络实现模态内和模态间的信息交互;通过图池化技术将双模态拓扑图的节点表示转化为图表示;采用多层感知机进行双模态情感识别。此外,建立信息瓶颈模块,提升方法的泛化能力。本发明提供的一种基于双模态图网络信息瓶颈的情感识别方法,能够有效地融合模态信息,并用于指导情感识别。

    一种基于主题的类引力模型微博预测方法与系统

    公开(公告)号:CN106777157B

    公开(公告)日:2023-04-07

    申请号:CN201611184260.4

    申请日:2016-12-20

    摘要: 本发明公开了一种基于主题的类引力模型微博预测方法与系统,所述的方法包括以下步骤:爬取相应的微博,并根据时间窗D的大小分别存储相应的微博转发关系及微博内容;对爬取的微博进行主题分类,重新按微博主题对爬取的微博转发关系进行存储,针对每个微博主题建立微博转发关系网络,根据每个微博主题转发库中的转发关系,计算每条边的权重并利用统计方法计算边的权重。所述的系统包括数据爬取模块、微博库、转发关系库、分析模块、预测关系库、用户前端模块和用户后端模块,本发明提高了局部预测的精度,同时通过带有权重的类引力模型可以任意预测第K批关注者的转发情况,基于不同的主题转发关系,提高了预测准确度。

    一种基于双模态图网络信息瓶颈的情感识别方法

    公开(公告)号:CN115631504A

    公开(公告)日:2023-01-20

    申请号:CN202211645853.1

    申请日:2022-12-21

    发明人: 李丽 李平 苟丽

    摘要: 本发明提供了一种基于双模态图网络信息瓶颈的情感识别方法,包括数据预处理,通过相应的预训练模型分别对图文进行编码;使用长短期记忆网络和前馈神经网络分别进行文本和图像的特征提取;基于语法依赖关系和视觉块相邻位置关系的模态内拓扑图的构建,基于完全二部图的双模态拓扑图的构建;设计基于双模态图网络的模态交互模块,利用图卷积网络实现模态内和模态间的信息交互;通过图池化技术将双模态拓扑图的节点表示转化为图表示;采用多层感知机进行双模态情感识别。此外,建立信息瓶颈模块,提升方法的泛化能力。本发明提供的一种基于双模态图网络信息瓶颈的情感识别方法,能够有效地融合模态信息,并用于指导情感识别。

    一种基于图神经网络的配电网络状态在线检测方法

    公开(公告)号:CN115114990A

    公开(公告)日:2022-09-27

    申请号:CN202210791891.1

    申请日:2022-07-07

    摘要: 本发明公开了一种基于图神经网络的配电网络状态在线检测方法,涉及配电网络状态检测领域,包括数据获取及其预处理;基于匿名随机游走对预处理后的数据构建节点结构特征,使用基于结构注意力的双层图注意力网络获取各个节点的低维向量表示;将节点的低维向量表示转化为图表示并进行分类;根据分类结果推断导致异常发生的电站或者馈线;迭代更新,检测更多的电站节点时间序列;本发明将实际的变电站连接情况构建电网拓扑图,将节点表示读出为图表示进行分类,得到配电网状态分类值,根据注意力网络学习到的注意力分数,可以反推导致异常发生的电站或馈线,随着新的运行数据输入,可持续检测配电网运行状态。