-
公开(公告)号：CN112861752B
公开(公告)日：2022-06-14
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN112861752A
公开(公告)日：2021-05-28
申请号：CN202110201803.3
申请日：2021-02-23
Applicant: 东北农业大学
Abstract: 本发明涉及一种基于DCGAN与RDN的作物病害识别方法及系统，属于农业信息化和植物保护领域，该方法包括：首先进行数据收集，包括网络公开的数据集和人工采集的数据，然后利用数据可视化、数据清洗、DCGAN数据生成等技术保障训练数据集的准确性和分布均衡性；将处理完的数据按照60％训练集，20％验证集和20％测试集的比例进行划分；本发明构建了一个深度残差网络(RDN)识别模型，设置模型训练参数后，加载训练集和验证集进行模型训练；最后将训练好的模型应用于作物叶片病害识别系统中进行作物病害预测，系统返回作物病害类别及概率。该方法可以识别多种作物多种病害，尤其能提升在样本分布不均的情况下识别的准确率。
-
公开(公告)号：CN116312808A
公开(公告)日：2023-06-23
申请号：CN202310302892.X
申请日：2023-03-24
Applicant: 东北农业大学
IPC: G16B40/00 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transfrormer、图注意力网络和双注意力特征融合模块相结合的药物‑靶标相互作用预测方法。由于传统的药物‑靶标相互作用分析往往需要耗费大量的人力物力以及时间成本，并且实验失败风险较高。本发明结合Transformer和图注意力网络两种模型架构的优势，并利用双注意力机制特征融合方法，将融合后的特征输入到分类器进行药物‑靶标相互作用预测。该方法经过在公开数据集上通过一系列评估指标测试明显优于现有方法，为药物‑靶标相互关系预测提供新思路。
-
Patent Agency Ranking
公开(公告)号：CN112948897A
公开(公告)日：2021-06-11
申请号：CN202110273569.5
申请日：2021-03-15
Applicant: 东北农业大学
Abstract: 本发明涉及网络安全和机器学习领域，具体来说设计了一种基于DRAE(Deep Residual Auto‑Encoder)与SVM(Support Vector Machine)相结合的网页防篡改检测方法。由于传统网络安全技术门槛高，社会上网络安全人才配备不足；一些重要部门要求工作人员24小时网络值班制度，这不仅增加了网络值班人员的工作负担，也无法保证查验所有网页效率。本发明结合深度学习与传统机器学习优势，用DRAE对网页截图图像数据自动特征学习和提取，并将提取的特征输入SVM进行特征分类。实验表明这种方法可以快速有效的发现被篡改的网页。本发明在一定程度上可以看作一种在线值班系统，可以减轻网络值班人员的工作负担，增加工作效率，更加准确和及时发现网页篡改事件，避免由于网页被篡改而造成的损失。
-
公开(公告)号：CN118211844A
公开(公告)日：2024-06-18
申请号：CN202410298198.X
申请日：2024-03-15
Applicant: 东北农业大学
IPC: G06Q10/0637 , G06F18/15 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于分解策略与深度学习的电力负荷预测方法，为了解决在以往的大多数研究中忽视了数据预处理的必要性，导致预测精度不高的问题。该方法主要由“SSA+CEEMDAN”和“RIME‑BiTCN‑BiGRU‑Attention”两部分组成，包括以下步骤：首先，采用CEEMDAN算法对原始数据进行平滑处理；其次，采用奇异谱分析SSA对复杂度最高的分量进行降噪处理；再次，通过BiTCN层提取时间序列深度信息，并将提取到的信息送至BiGRU和Attention层中进行预测；然后，运用RIME算法对模型参数进行优化，进一步提高模型的性能；最后，将所有分量的预测结果求和，得到最终的预测结果。本发明与传统模型和现有混合模型相比具有显著优势，表明所提模型能有效提高电力负荷预测的精度和效率，为电力规划和调度提供更可靠的支持。
-
公开(公告)号：CN113723312B
公开(公告)日：2024-01-23
申请号：CN202111017803.4
申请日：2021-09-01
Applicant: 东北农业大学
Abstract: 本发明提供了一种基于视觉transformer的水稻病害识别方法，属于图像识别与植物保护领域。该技术方案的主要要点包括：采集水稻叶片病害图像，统一大小为224*224像素，并进行标注；输入到本发明设计的视觉transformer架构进行模型训练，训练完毕后可以根据输入的水稻叶片病害图像预测相应的病害类别。本发明利用两种transformer架构作为特征提取器，分别是视觉transformer ViT和蒸馏后的transformer DeiT，将两种transformer对输入图像特征提取后进行Pooling操作，再对Pooling操作后的特征做残差连接，并与原Pooling后的两种特征进行特征拼接(concatenate)，随后再将concatenate后的特征输入到MLPHead层进行病害种类预测。与现有方法在水稻病害识别测试集上对比，本发明提供的方法在识别准确率和F1‑Score等评价指标上有明显的提升。
-
公开(公告)号：CN116825183A
公开(公告)日：2023-09-29
申请号：CN202310840256.2
申请日：2023-07-11
Applicant: 东北农业大学
IPC: G16B15/30 , G16B40/00 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transformer与变分自编码器(Variational Autoencoder,VAE)相结合的药物‑靶标结合亲和力(Drug‑Target binding Affinity,DTA)预测方法。用于解决目前公开的多数基于人工智能的DTA预测方法中存在的两个问题：1)大多方法只关注药物和靶标的特征表示，而忽略了到药物和靶标的子结构(Sub‑structure)对DTA预测结果的影响，即特征获取不够细粒度化；2)缺乏有效的特征融合方法，从而导致DTA预测效果不理想的问题。本发明结合Transformer与VAE两个模型的优势，分别对药物和靶标进行特征编码后再输入到本发明设计的注意力池化模块进行特征融合，最后输入到预测模块进行DTA预测。本发明可以应用于药物与靶标结合亲和力的预测。
-
公开(公告)号：CN112948897B
公开(公告)日：2022-08-26
申请号：CN202110273569.5
申请日：2021-03-15
Applicant: 东北农业大学
Abstract: 本发明涉及网络安全和机器学习领域，具体来说设计了一种基于DRAE(Deep Residual Auto‑Encoder)与SVM(Support Vector Machine)相结合的网页防篡改检测方法。由于传统网络安全技术门槛高，社会上网络安全人才配备不足；一些重要部门要求工作人员24小时网络值班制度，这不仅增加了网络值班人员的工作负担，也无法保证查验所有网页效率。本发明结合深度学习与传统机器学习优势，用DRAE对网页截图图像数据自动特征学习和提取，并将提取的特征输入SVM进行特征分类。实验表明这种方法可以快速有效的发现被篡改的网页。本发明在一定程度上可以看作一种在线值班系统，可以减轻网络值班人员的工作负担，增加工作效率，更加准确和及时发现网页篡改事件，避免由于网页被篡改而造成的损失。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.022 seconds)
