-
公开(公告)号：CN118248206A
公开(公告)日：2024-06-25
申请号：CN202410222705.1
申请日：2024-02-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于异构网络的药物靶标关联预测方法及装置，方法包括：获取药物之间的相似性矩阵和靶点之间的相似性矩阵，通过结合药物靶点关联二部图网络构建异构网络；通过图注意网络层提取不同层的节点嵌入，并提取各节点嵌入对应的核矩阵；基于多核融合策略获得最终药物嵌入向量和最终靶点嵌入向量，并将所述最终药物嵌入向量和所述最终靶点嵌入向量输入双拉普拉斯正则化最小二乘法模型，预测及输出药物和靶点之间的关联结果。本发明在药物靶标关联预测领域，结合了图注意力网络、多核学习方法、双拉普拉斯正则化最小二乘法框架构建链路预测模型，有效补充了节点信息丰富度，提高预测性能。
-
公开(公告)号：CN115577273B
公开(公告)日：2024-04-26
申请号：CN202210970095.4
申请日：2022-08-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质，该方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此，通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示，解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop‑out事件的问题。
-
公开(公告)号：CN117895953A
公开(公告)日：2024-04-16
申请号：CN202410288538.0
申请日：2024-03-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H03M13/11
Abstract: 本发明公开了一种基于泡利算符解耦表示的置信传播译码方法及装置，方法包括：通过解耦表示描述泡利算符、校验矩阵以及差错矢量，并计算先验信息；根据和积算法更新校验节点传递至与所述校验节点连接的所有邻接变量节点的消息，得到更新后的水平消息；根据所述和积算法更新变量节点传递至与所述变量节点连接的所有邻接校验节点的消息，得到更新后的垂直消息；基于所述先验信息、所述更新后的水平消息以及所述更新后的垂直消息，计算后验信息以得到对真实错误的估计；本发明提出了一种基于泡利算符解耦表示的置信传播（BP）译码方法，提高了量子纠错的置信传播译码精度和收敛速率。
-
公开(公告)号：CN116246698A
公开(公告)日：2023-06-09
申请号：CN202211090606.X
申请日：2022-09-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B20/00 , G16B40/00 , G06F40/30 , G06N3/0464
Abstract: 本发明公开了一种基于神经网络的信息提取方法、装置、设备及存储介质，属于生物信息技术领域，该方法包括：本发明从预先获得的metapath实例中提取语义信息；基于注意力聚合机制对所述语义信息进行编码，获得语义注意力系数，基于所述语义注意力系数聚合邻居节点；通过非线性神经网络对所述语义信息进行学习，获得二次语义信息，将二次语义信息聚合至所述邻居节点中，获得节点嵌入；通过非线性神经网络融合多个metapath下的所述节点嵌入，获得最终节点表示。如此通过非线性神经网络二次提取metapath实例中的语义信息，充分利用了各个节点的语义信息，提升了信息提取的效果。
-
公开(公告)号：CN115577273A
公开(公告)日：2023-01-06
申请号：CN202210970095.4
申请日：2022-08-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质，该方法包括：通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此，通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示，解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop‑out事件的问题。
-
Patent Agency Ranking
公开(公告)号：CN114553394B
公开(公告)日：2022-08-16
申请号：CN202210424254.0
申请日：2022-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 暨南大学
Abstract: 本发明公开了基于多密钥全同态方案的补码运算器及运算方法，运算器包括多密钥全同态加法运算器、多密钥全同态减法运算器、多密钥全同态乘法运算器和多密钥全同态除法运算器；所述多密钥全同态加法器由多密钥全同态0‑类加法器构成；所述多密钥全同态减法器由多密钥全同态0‑类加法器与多密钥全同态取非器构成；所述多密钥全同态乘法器由多密钥全同态0‑类加法器、多密钥全同态1‑类加法器、多密钥全同态2‑类加法器和多密钥全同态与门构成；所述多密钥全同态除法器由多密钥全同态取补器、多密钥全同态CAS单元与多密钥全同态异或门构成。本发明构造了任意位的补码整数四则运算器，能够支持任意位的正负整数之间的四则运算，大大提高了MKTFHE方案的实用性。
-
公开(公告)号：CN114844621B
公开(公告)日：2023-04-07
申请号：CN202210365746.7
申请日：2022-04-08
Applicant: 哈尔滨工业大学(深圳) , 暨南大学
Abstract: 本发明公开了一种基于多密钥全同态加密的多用户隐私保护机器学习方法及装置，方法包括：由公共字符串CRS进行多密钥全同态加密算法的初始化、生成安全参数λ及生成公共参数集mkparams；服务器S整合各个数据提供方上传的单密钥密文数据Encski(di)得到多密钥密文数据集Encsk(D)；服务器S在多密钥密文数据集Encsk(D)的基础上将普通机器学习算法中的线性运算替换为全同态加法和全同态乘法，对多密钥密文数据集Encsk(D)进行机器学习建模训练；服务器S将多密钥加密的模型密文Encsk(model)下发给各个数据提供方DPi和解密方DE；解密多密钥模型密文Encsk(model)，从而得到由各个数据提供方DPi的数据D训练得到的模型model＝Decsk(Encsk(model))。本发明在保证较高安全性的同时，以较低通信代价和较少交互次数完成隐私计算任务。
-
公开(公告)号：CN115470927A
公开(公告)日：2022-12-13
申请号：CN202210987308.4
申请日：2022-08-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种替代模型自动提取方法、终端及存储介质，方法包括：获取目标模型面向的任务及任务数据信息，根据目标模型面向的任务确定替代模型的架构，并根据模型提取的特点及为改进提取流程设置模型提取框架；对收集的目标模型的任务数据进行降维处理，并对降维后的数据进行筛选，得到替代模型的训练数据集；根据预设指标度量替代模型的分类信心，根据分类信心对训练数据集进行分类，得到查询样本数据；通过模型提取框架中的监督学习算法和一致性正则化算法训练替代模型，得到训练后的替代模型；本发明可以获得目标模型决策能力，使得替代模型尽可能接近甚至超越目标模型在测试数据集上的表现，从而使得替代模型具有更令人满意的可用性。
-
公开(公告)号：CN109284411B
公开(公告)日：2022-03-18
申请号：CN201810402753.3
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F16/53 , G06K9/62 , G06V10/74 , G06V10/764
Abstract: 本发明涉及图像数据处理领域，特别涉及一种基于有监督超图离散化图像二值编码方法。该方法包括以下步骤：S1.假设一个由n幅图像组成训练集，将训练集所有样本通过学习哈希函数映射到汉明空间的二值化哈希码；S2.定义一个线性多分类模型，采用优化函数对离散化变量进行优化，得出第一目标函数；S3.采用超图对数据哈希码之间的距离度量一致性进行约束，得出第二目标函数；S4.整合第一目标函数和第二目标函数，得到完整的目标函数，采用“位循环坐标下降方法”学习哈希码矩阵，并通过迭代运算优化目标函数。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN108447080B
公开(公告)日：2023-05-23
申请号：CN201810175534.6
申请日：2018-03-02
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T7/277 , G06N3/0464
Abstract: 本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.029 seconds)
