-
公开(公告)号：CN116153404B
公开(公告)日：2023-08-15
申请号：CN202310182496.8
申请日：2023-02-28
Applicant: 成都信息工程大学
IPC: G16B25/00 , G16B40/00 , G06N3/0455
Abstract: 本发明公开了一种单细胞ATAC‑seq数据分析方法，通过提取单细胞分辨率的染色质可达性特征峰序列中转录因子‑DNA结合基元的所属种类、相对位置、长距离依赖关系等众多转录调控语法规则，从而更全面地表示单个细胞的功能状态和高阶特征。此外，本发明方法利用获取的转录调控语法规则、细胞功能状态和高阶特征，一站式地实现染色质可达性预测、细胞类型注释、染色质可达性图谱降噪、转录因子活性推断等一系列下游分析任务。
-
公开(公告)号：CN116563653A
公开(公告)日：2023-08-08
申请号：CN202310384889.7
申请日：2023-04-12
Applicant: 成都信息工程大学
IPC: G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度强化学习的图像风格逐步迁移方法，该方法将一步风格迁移的过程拆分为逐步风格迁移的过程，将准备好的内容图片和风格图片放入到环境中，环境的初始状态设置为内容图片，风格图片用于计算反馈奖励，环境中计算反馈奖励的网络使用预训练的VGG模型，反馈奖励是状态和风格图片经过VGG模型提取得到的多层特征图的格拉姆矩阵距离的相反数。使用深度强化学习控制风格化程度的增加，在风格迁移的早期步骤中保留内容图像的更多细节和结构，并在后续步骤中合成更多风格模式，并且，本发明采用的模型是轻量级的，参数少，计算复杂度低，并且是一种用户易于控制风格化程度的风格迁移方法，避免了繁琐的手动设置超参数调整风格化程度。
-
公开(公告)号：CN115938592A
公开(公告)日：2023-04-07
申请号：CN202310220890.6
申请日：2023-03-09
Applicant: 成都信息工程大学
IPC: G16H50/30 , G06F18/25 , G16B20/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于局部增强图卷积网络的癌症预后预测方法，属于医学技术领域，包括以下步骤：S1：获取多组学数据和通路原始数据，并利用多组学数据路和通路原始数据构建无向图；S2：对无向图进行局部增强；S3：利用图卷积网络对局部增强后的无向图进行特征提取和特征融合，得到整体特征映射组合；S4：根据整体特征映射组合，构建比例风险模型，将整体特征映射组合输入至比例风险模型中，确定患者生存风险。本发明通过对癌症相关组学数据构建图神经网络学习，对患者进行预后预测及分析，可以为生物实验提供一定指导，从而有效减少实验时间与节省实验成本。
-
公开(公告)号：CN115576945A
公开(公告)日：2023-01-06
申请号：CN202211252817.9
申请日：2022-10-13
Applicant: 成都信息工程大学
Abstract: 本发明提供了一种利用数据预筛选以提高区块链数据处理效率的方法，所述方法包括：对数据进行预处理，所述预处理包括：对数据进行分类和裁剪；将预处理后的数据存储在IPFS中，并生成与存储的数据对应的哈希值；将所述对应的哈希值作为用户存储数据的凭证返回给存储数据的用户终端，所述凭证，用于存储数据的用户从IPFS客户端读取所述存储的数据；在以太坊私链中部署智能合约，所述智能合约用于所述以太坊私链中的除所述存储数据的用户之外的其他用户获得从IPFS客户端读取所述存储的数据的权限。本发明提供的利用数据预筛选以提高区块链数据处理效率的方法，可节约区块链的存储空间和时间，实现数据的交互。
-
公开(公告)号：CN115062551B
公开(公告)日：2022-11-04
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
Patent Agency Ranking
公开(公告)号：CN114896826B
公开(公告)日：2022-09-09
申请号：CN202210819294.5
申请日：2022-07-13
Applicant: 成都信息工程大学
IPC: G06F30/20 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于物理学结合残差注意力网络的行星边界层参数化方法，设计一种同时结合物理学和深度学习的残差注意力网络，包括依次连接的八个时空结合模块，每个时空结合模块包括通道注意力模块CAB和空间注意力模块PNSAB，通过卷积、CAB模块和PNSAB模块提取重要特征和模拟具体的物理过程，CAB模块用来模拟大气湍流过程中的能量交换，让网络不断地学习大气物理常识，PNSAB模块去挑选对于预测结果比较重要的气象要素，能够有效的替换传统模式中的参数化，设计的多个模块协同作用模拟边界层中的物理过程。本发明的模型能更好地模拟边界层内的速度、温度、风速和水汽的垂直分布，同时使用较低的计算成本和较短的时间。
-
公开(公告)号：CN114419449B
公开(公告)日：2022-06-24
申请号：CN202210308387.1
申请日：2022-03-28
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种自注意力多尺度特征融合的遥感图像语义分割方法，所述分割网络包括特征编码器和解码器，特征编码器将前三个阶段不同尺度大小的特征图传递给解码器中对应的自注意力多尺度特征融合模块，解码器从最后一个阶段的特征图开始上采样并与自注意力多尺度特征融合的特征图进行叠加，逐步进行直到和第一阶段的特征图尺度一样，最后将所有尺度的特征图分别上采样至原图大小并对每个像素预测分类，并将四个尺度的预测结果进行融合得到最终的遥感图像语义分割结果，本发明方法能够有效融合不同尺度的遥感语义特征，提升分割性能。
-
公开(公告)号：CN114419449A
公开(公告)日：2022-04-29
申请号：CN202210308387.1
申请日：2022-03-28
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种自注意力多尺度特征融合的遥感图像语义分割方法，所述分割网络包括特征编码器和解码器，特征编码器将前三个阶段不同尺度大小的特征图传递给解码器中对应的自注意力多尺度特征融合模块，解码器从最后一个阶段的特征图开始上采样并与自注意力多尺度特征融合的特征图进行叠加，逐步进行直到和第一阶段的特征图尺度一样，最后将所有尺度的特征图分别上采样至原图大小并对每个像素预测分类，并将四个尺度的预测结果进行融合得到最终的遥感图像语义分割结果，本发明方法能够有效融合不同尺度的遥感语义特征，提升分割性能。
-
公开(公告)号：CN112733968B
公开(公告)日：2021-07-27
申请号：CN202110343928.X
申请日：2021-03-31
Abstract: 本发明属于计算机视觉技术领域，公开了一种嵌入超图卷积层的深度学习冰晶粒子图像分类方法。本发明设计并实现了一个嵌入了超图结构的卷积神经网络模型，该超图结构可以有效地从局部和全局特征空间中获取信息，可以更好地捕捉到远端顶点之间的关系，获得更深层的特征信息，有助于学习样本数不平衡的冰晶数据集中小样本的特征，以提高模型的泛化能力，即便在样本分布不均衡数据学习情况下，仍能取得较好的分类效果。本发明可解决传统阈值分类方法中存在的冰晶分类结果具有主观性、不稳定性和预测精度较低的问题，可解决在样本分布不平衡数据集中数据量较少类别的分类精度较低的问题，可使冰晶粒子图像实现较高精度的自动分类。
-
公开(公告)号：CN112365556A
公开(公告)日：2021-02-12
申请号：CN202011244337.9
申请日：2020-11-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于感知损失和风格损失的图像扩展方法，包括：对预处理后的数据集送入到构建好的图像扩展网络中，图像扩展网络包括重构路径和生成路径，重构路径用于输入待补全区域图像，获取其待补全部分的先验信息，最后重构出原始图像；生成路径用于输入缺失图像，利用重构路径得到的先验分布，引导图像的生成过程，在训练过程中，重点引入感知损失和风格损失约束生成图像的纹理和风格，改善了传统方法的扭曲模糊结构。感知损失和风格损失分别获取已知区域的语义信息和整体风格，从而有助于网络把握图像的真实纹理风格。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.033 seconds)
