-
公开(公告)号：CN118332089A
公开(公告)日：2024-07-12
申请号：CN202410492078.3
申请日：2024-04-23
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: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/284
Abstract: 本发明公开了一种基于大数据关键词比对的人工智能交互系统，包括如下步骤：S1.通过交互功能模块确定用户键入关键词并对关键词所属类别进行分类；S2.通过获取到的交互信息进行大数据分析并选取相似度最高的结果进行排列；S3.通过预设算法对选取后的结果进行数据分析发现规律和特征；S4.对发现的规律和特征进行整理优化并建模与训练。该基于大数据关键词比对的人工智能交互系统，通过人工智能交互终端能够在闲时自动通过互联网自动采集当前热点关键词并进行资料的收集和存储的方式，降低用户在使用智能终端进行关键词查询时的等待时间，从而使得人工智能交互终端在进行人机交互时能够降低用户的等待时间，从而提升用户的整体体验。
-
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。
-
Patent Agency Ranking
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。
-
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：CN114844621A
公开(公告)日：2022-08-02
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。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.039 seconds)
