公开(公告)号：CN117854595A

公开(公告)日：2024-04-09

申请号：CN202311604588.7

申请日：2023-11-28

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  邹海涛 ,  曾文武

IPC: G16B40/00 ,  G16B50/00 ,  G16B30/10 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/088

Abstract: 本发明公开了一种DNA结合蛋白（DBP）领域特异的大规模蛋白质语言模型（PLM）。包括：注释为DBP序列的UniProtKB数据集，基于全空间多任务模型(ESM2)构建非冗余DBP序列，基于ESM2的领域自适应预训练，微调下游任务；本发明在四个与DBP相关的下游任务（即DNA结合蛋白、DNA结合残基、转录因子和DNA结合Cys2His2锌指预测）上的实验结果表明，与原始ESM2相比，ESM‑DBP提供了更好的DBP特征表征，从而提高了预测性能，在准确性上优于其他最先进的预测方法。通过对集成梯度算法的可解释性分析，ESM‑DBP在转录因子预测方面的突出表现主要来自于对各种DNA结合域的高灵敏度。此外，本发明对那些只有少量相似同源序列的DBP也有很好的表现，而且这种泛化效果比ESM2更好。

公开(公告)号：CN117409894A

公开(公告)日：2024-01-16

申请号：CN202311222788.6

申请日：2023-09-21

Applicant: 桂林理工大学

Inventor： 刘晓斌 ,  苏畅 ,  黄秋霞 ,  杨盛晖 ,  张磊 ,  谢晓兰 ,  周焕福

IPC: G16C60/00 ,  G16C20/70 ,  G06N20/00 ,  G01N27/22 ,  G01R27/26

Abstract: 本发明涉及一种基于机器学习的尖晶石结构微波介质陶瓷介电常数预测方法，包括以下步骤：首先获取文献中的尖晶石结构微波介质陶瓷的化学式、介电常数和所包含元素的描述符等数据，对化学式生成组合特征，对生成的特征进行归一化处理之后，采用特征选择方法，包括方差筛选、相关性筛选、特征重要性筛选和特征穷举筛选。所得到的最优特征子集被用于极端梯度提升机算法的训练，并使用其它机器学习算法进行对比。训练过程结束之后，将待预测的尖晶石结构微波介质陶瓷的化学式和筛选后的最优特征子集输入最优算法模型，输出其介电常数。本发明能够建立准确率较高的预测模型，具有较高的实际应用价值。

公开(公告)号：CN116684880A

公开(公告)日：2023-09-01

申请号：CN202310617505.1

申请日：2023-05-29

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  吴雪涛 ,  谢晓兰

IPC: H04W12/125 ,  H04W84/18

Abstract: 本发明公开了一种针对LoRaWAN的集成攻击方法。首先，建立了集成攻击模型，包括LoRaWAN终端设备、两个重放干扰设备、LoRa网关、LoRa网络服务器和LoRa应用服务器；然后配置必须的参数使终端设备进行入网激活，完成正常的数据通信；再者通过重放干扰设备实现以重放和干扰攻击为基础，且适用于LoRaWAN这种单跳网络的虫洞攻击，通信过程中，捕获篡改或延时重放LoRaWAN数据包，甚至执行ADR欺骗，最终实现对终端设备的能量消耗攻击。这种以能量消耗为目的的集成攻击方式不会立即中断终端设备与网关的通信，而是逐步耗尽节点的能量，具有结构简单、使用方便、隐蔽性强的优点。

公开(公告)号：CN110610747B

公开(公告)日：2023-08-18

申请号：CN201910957280.8

申请日：2019-10-10

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  邱梦楠 ,  刘亚荣 ,  郭强

IPC: G16C20/70 ,  G16C20/90 ,  G06Q50/20

Abstract: 本发明公开了一种基于深度学习的微型化学实验方法，包括：输入要合成的物质的数据；在与绿色化学配套的大数据平台中获取所述要合成的物质的历史大数据；在所述大数据平台中提取所述要合成的物质的特征信息；依据所述特征信息，在所述大数据平台中寻找与所述要合成的物质的特征信息相关的试剂；应用计算机仿真技术模拟所述试剂合成；结合所述合成的动态演化规律得到实时数据的性能评估指标；将所述性能评估指标存储到所述大数据平台中，同时反馈给用户。本发明将深度学习应用于微型化学实验中，为今后微型化学实验的发展提供技术支持。本发明解决了传统的人工手动实验方法耗时长、效率低的问题，提高了微型化学实验的完成效率。

公开(公告)号：CN108732095B

公开(公告)日：2023-08-11

申请号：CN201810376892.3

申请日：2018-04-25

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  熊传信 ,  谢晓兰 ,  杨晓斐 ,  施晓东

IPC: G01N21/01

Abstract: 本发明公开了一种发射光谱摄谱仪中的固体粉末进样方法，设置一种发射光谱摄谱仪中的固体粉末进样装置，包括玻璃棒、软磁圈、玻璃漏斗、圆形磁石、减速电机、振动支架、振动器、减振弹簧、振动底座。工作时，振动器带动玻璃漏斗振动，减速电机通过圆形磁石和软磁圈带动玻璃棒低速转动。将样品倒入玻璃漏斗中，玻璃棒低速转动，玻璃棒下端的锥形进样头通过自身的小凹槽使固体粉末样品均匀从玻璃漏斗中流入到测量仪器中，测量完成后，提起玻璃棒，对锥形进样头进行清洁，同时打扫并吹干净玻璃漏斗中的残留样品，重新将玻璃棒插入到玻璃棒导圈中，接通电源即可进行下一个样品的进样。本发明具有结构简单，进样匀速、易于清洁及不易沾污等优点。

公开(公告)号：CN116542708A

公开(公告)日：2023-08-04

申请号：CN202310464216.2

申请日：2023-04-26

Applicant: 桂林理工大学

Inventor： 董路熙 ,  谢晓兰 ,  刘亚荣

IPC: G06Q30/0204 ,  G06Q30/0202 ,  G06N3/084 ,  G06N3/092 ,  G06F18/22 ,  G06F18/23 ,  G06F16/9535 ,  G06F16/9537

Abstract: 本发明公开了一种智能优质商业门店规模推荐及其分级评分方法，该方法包括如下步骤：根据采集到的多源数据建立商业选址多维特征的耦合矩阵，分析商业选址潜在有价值信息与全要素特征之间的关联关系和复杂影响，根据影响选址的多维特征耦合矩阵及其优先级权重，建立基于深度加强学习的智能优质商业门店规模推荐及其分级评分模型，据此对商业选址及其门店规模进行智能优先推荐，实现自动高效的商业选址。本发明之目的在于提供一种智能优质商业门店规模推荐及其分级评分方法，以解决传统调研方法费时费力、成效低等问题，提高商业选址的准确性和可靠性，快速高效地扩大商业店铺的选址规模，为商业选址提供较为可靠的参考依据。

公开(公告)号：CN115934324A

公开(公告)日：2023-04-07

申请号：CN202211545035.4

申请日：2022-12-04

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  杨哲兴 ,  徐克顺 ,  刘亚荣

IPC: G06F9/50 ,  G06F17/10 ,  G06N3/006

Abstract: 本发明公开了一种基于变分模态和ISSA‑LSSVM的云中心资源负载预测方法。首先获取原始云资源负载数据样本，并对数据进行预处理。然后，采用变分模态算法将原始云资源负载数据分解成多个相对平稳的模态分量。接着提出一种ISSA算法，利用ISSA对LSSVM模型中核函数宽度σ和惩罚因子c进行优化，建立ISSA‑LSSVM模型，且分别对各模态分量进行预测。最后叠加各模态分量的预测值，输出最终的云资源负载预测结果。本发明方法能够有效解决传统预测模型在面对非线性云资源负载数据时预测精度不高的问题，能更加精准地预测云资源负载的变化趋势，对于提高云资源的优化效率，保障云服务质量有着积极意义。

公开(公告)号：CN113222096B

公开(公告)日：2022-11-11

申请号：CN202110485843.5

申请日：2021-04-30

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  张启明 ,  翟青海 ,  刘亚荣

IPC: G06F9/00 ,  G06N3/00 ,  G06F9/54 ,  G06F9/455

Abstract: 本发明提出了一种面向云计算任务调度的改进粒子群算法。包括4个步骤：首先对粒子采用自然数编码，以任务完成总时间作为适应度函数，将粒子与任务调度相关联，然后改进动态惯性权值策略，平衡全局和局部搜索能力，接着更新粒子位置和速度，规范取值范围，最后加入混沌扰动策略使算法尽可能寻找更优解，从而提高算法后期收敛精度。与标准粒子群算法相比，本发明所述算法在云计算任务调度中具有很强的全局开发能力，在算法的前期不断探索全局最优解，且在后期也具有良好的局部探索能力。同时，由于加入了混沌扰动策略，不断地随机改变粒子的位置信息，使得算法能够尽可能跳出局部最优解，从而最终收敛的结果更好。

公开(公告)号：CN115293253A

公开(公告)日：2022-11-04

申请号：CN202210914269.5

申请日：2022-08-01

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  王宇涵 ,  刘亚荣 ,  陈超泉 ,  肖博怀

IPC: G06K9/62 ,  G06F40/289 ,  G06Q30/06

Abstract: 本发明公开了一种基于改进向量空间模型的电子产品CTO订单聚类方法。包括订单收集模块、订单信息预处理模块、订单信息文本向量化模块、订单聚类模块。通过将CTO订单的文本信息用VSM模型转化为高维矩阵的数学化信息，并对产品相关特征进行加权处理，可以提高订单中相关信息的关联程度，使订单能够更加侧重于将含有相同品牌,或者相同类型的订单合并为同一订单组。使用改进K‑means++算法对VSM模型生成的高维矩阵的向量进行聚类，加快原K‑means算法的收敛速度，有效提高了聚类结果的准确性，使得企业更加灵活、高效地针对客户的CTO订单安排相应的生产工作。

公开(公告)号：CN115223429A

公开(公告)日：2022-10-21

申请号：CN202210627846.2

申请日：2022-06-06

Applicant: 桂林理工大学

Inventor： 陈小琴 ,  谢晓兰 ,  蒋存波 ,  康燕萍 ,  李卓

IPC: G09B23/18

Abstract: 本发明属于教学仪器技术领域，公开了一种电子系统电源技术教学实验电路板，设置有电路板，电路板上设置有整流与滤波模块、线性直流稳压模块和开关电源模块；整流与滤波模块，通过变压器改变交流电的电压，利用半波整流电路、全波整流电路、桥式整流电路将正负变化的交流电压变为单向脉动电压；利用可调滤波电路减少脉动的直流电压中的交流成分，保留直流成分，输出电压纹波系数降低，波形变得平滑，使可调负载得到脉动直流电。本发明能够有效配合课程教学，使学生加深对理论知识的理解，训练学生综合运用所学的理论知识，掌握一定的设计方法和设计思想，能够有效培养学生的创新意识和动手能力。