-
公开(公告)号：CN111755080B
公开(公告)日：2023-07-28
申请号：CN202010374618.X
申请日：2020-05-06
Applicant: 北京化工大学
IPC: G16C60/00 , G06N3/0464 , G06N3/08 , G06F18/24 , G01N15/08
Abstract: 本发明公开了一种基于深度卷积神经网络预测MOF对甲烷气体吸附性能的方法，针对存储了MOF基础三维结构的CIF文件为数据样本的数据集，对其表达的MOF的甲烷气体吸附性能进行预测。本发明使用卷积神经网络设计分类器，将CIF文件中的MOF基础三维结构转化成分类器能够接受的特征，然后将MOF对甲烷气体吸附能力划分多个区间经过模型训练得到MOF的预测性能类别。
-
公开(公告)号：CN114896516A
公开(公告)日：2022-08-12
申请号：CN202210432247.5
申请日：2022-04-22
Applicant: 北京化工大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明涉及一种大型社交网络的快速准确采样方法，在线社交网络已经具有相当复杂的自身特性和行为模式，吸引了很多研究学者对社交网络的特性、模式及规律等进行分析研究。但获取完整的大规模在线社交网络数据具有一定困难。因此，很多研究都是基于社交网络的样本网络进行实验，样本网络的质量对研究结果非常重要。本专利提出了一种通过将用户ID空间均匀划分为若干小区间，并在采样过程中对这些区间进行动态规划，实现动态调整各个区间的大小的采样方法——DaptUNI方法，以及在DaptUNI方法的基础上，将样本节点的邻居节点也加入样本集的DaptUNI+N方法。最后，通过在新浪微博网络和Twitter网络上进行实验，以及与其他经典采样方法的对比，证明本专利提出的DaptUNI和DaptUNI+N方法在采样效率、采样效果上都有明显的优势。
-
公开(公告)号：CN114743617A
公开(公告)日：2022-07-12
申请号：CN202210399171.0
申请日：2022-04-13
Applicant: 北京化工大学
Abstract: MOFs结构空间近乎无穷大，要将所有MOFs材料逐一进行分子模拟计算，从而挑选出性能出众的材料，其计算成本是无法估量的。因此，仅仅利用巨正则系综蒙特卡洛模拟(GCMC)方法实现高性能吸附材料的高通量计算筛选已经无法满足要求。传统的机器学习方法只能探索原有库中的材料的目标性能，没有充分发挥出机器学习算法预测设计材料的功能。本发明提出基于一种改进的自适应遗传算法并结合高精度的机器学习算法作为适应度函数来搜索高性能MOFs材料的方法。该方法可以高效地搜索并生成原始数据库之外的高目标性能的MOFs材料。这一方法为多孔材料的搜索和生成提供了新的思路，而且也可以广泛应用于其他的气体吸附体系，对进行大规模高性能材料筛选和材料的逆向设计具有重要意义。
-
公开(公告)号：CN114743617B
公开(公告)日：2025-02-28
申请号：CN202210399171.0
申请日：2022-04-13
Applicant: 北京化工大学
Abstract: MOFs结构空间近乎无穷大，要将所有MOFs材料逐一进行分子模拟计算，从而挑选出性能出众的材料，其计算成本是无法估量的。因此，仅仅利用巨正则系综蒙特卡洛模拟(GCMC)方法实现高性能吸附材料的高通量计算筛选已经无法满足要求。传统的机器学习方法只能探索原有库中的材料的目标性能，没有充分发挥出机器学习算法预测设计材料的功能。本发明提出基于一种改进的自适应遗传算法并结合高精度的机器学习算法作为适应度函数来搜索高性能MOFs材料的方法。该方法可以高效地搜索并生成原始数据库之外的高目标性能的MOFs材料。这一方法为多孔材料的搜索和生成提供了新的思路，而且也可以广泛应用于其他的气体吸附体系，对进行大规模高性能材料筛选和材料的逆向设计具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN111755081A
公开(公告)日：2020-10-09
申请号：CN202010374619.4
申请日：2020-05-06
Applicant: 北京化工大学
Abstract: 本发明公开了一种高甲烷吸附率MOFs生成与筛选的方法，获取到数据集内MOFs的简化分子线性输入规范并利用SMILES计算分子指纹，使用循环神经网络模型生成大量假设性MOFs的SMILES表示形式，设计评估模型来判断生成样本的有效性，同时设计并比较不同分类器与不同输入数据的分类效果，筛选出性能最佳的分类器，最后使用训练好的分类器对评估为有效的假设性MOFs的样本进行甲烷吸附性能的预测，筛选出高甲烷吸附率的假设性MOFs，为在实验室合成高甲烷吸附率的MOFs提供参考。
-
公开(公告)号：CN110131593A
公开(公告)日：2019-08-16
申请号：CN201910415307.0
申请日：2019-05-18
Applicant: 北京化工大学
IPC: F17D5/06
Abstract: 本发明提供一种基于大数据平台的管道泄漏辅助检测系统，包括基于Hadoop的HA部署模式下的集群，以及处理大规模数据计算引擎Spark,针对所采集到的历史数据和实时数据，运用朴素贝叶斯算法，进行离线数据的训练学习和实时数据的预测分析，以便辅助液体管道运输中的泄漏检测。本发明提供的辅助检测系统实时地从采集点快速采集数据，再进行实时的在线分析与计算，以能够及时发现管道泄漏状况，进而及时报警。本发明提供的技术方案基于积累的历史数据，进行离线分析与建模，实现工况的识别和监测，为泄漏检测提供辅助依据。而且，本发明提供的技术方案运用朴素贝叶斯算法区分工况与管道泄漏，降低了误报率。
-
公开(公告)号：CN111755081B
公开(公告)日：2024-09-20
申请号：CN202010374619.4
申请日：2020-05-06
Applicant: 北京化工大学
IPC: G16C60/00 , G06N3/0464 , G06N3/0442 , G06N3/044 , G06N7/01 , G06N3/09 , G06F18/24 , G06N20/10 , G01N33/00
Abstract: 本发明公开了一种高甲烷吸附率MOFs生成与筛选的方法，获取到数据集内MOFs的简化分子线性输入规范并利用SMILES计算分子指纹，使用循环神经网络模型生成大量假设性MOFs的SMILES表示形式，设计评估模型来判断生成样本的有效性，同时设计并比较不同分类器与不同输入数据的分类效果，筛选出性能最佳的分类器，最后使用训练好的分类器对评估为有效的假设性MOFs的样本进行甲烷吸附性能的预测，筛选出高甲烷吸附率的假设性MOFs，为在实验室合成高甲烷吸附率的MOFs提供参考。
-
公开(公告)号：CN114861970A
公开(公告)日：2022-08-05
申请号：CN202210278604.7
申请日：2022-03-21
Applicant: 北京化工大学
Abstract: 本发明公开了一种有限资源下大规模图的全源最短路径分治求解方法，首先将一个大图划分为子图，通过对子图逐一加载和计算得到部分最短路径结果，经过整合后得到全源最短路径结果。本发明提供的技术方案将一种新的分割算法应用于图的分割，通过这个算法能够得到一个顶点序列，按此序列对顶点进行删除时，图会以较少的分割点和较快的速度被分割成若干个子图，通过对子图逐一加载和计算得到部分最短路径结果，经过整合后得到全源最短路径结果。这个方法不仅解决了单个机器上内存资源有限的问题，而且还可以扩展到分布式环境中。
-
公开(公告)号：CN111755080A
公开(公告)日：2020-10-09
申请号：CN202010374618.X
申请日：2020-05-06
Applicant: 北京化工大学
Abstract: 本发明公开了一种基于深度卷积神经网络预测MOF对甲烷气体吸附性能的方法，针对存储了MOF基础三维结构的CIF文件为数据样本的数据集，对其表达的MOF的甲烷气体吸附性能进行预测。本发明使用卷积神经网络设计分类器，将CIF文件中的MOF基础三维结构转化成分类器能够接受的特征，然后将MOF对甲烷气体吸附能力划分多个区间经过模型训练得到MOF的预测性能类别。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
