-
公开(公告)号：CN103390181A
公开(公告)日：2013-11-13
申请号：CN201310278575.5
申请日：2013-07-03
Abstract: 本发明是一种RFID(Radio Frequency Identification，射频识别)系统动态标签信息采集和处理的方案，涉及标签原始数据流减少消极读、去除积极读和过滤冗余读的方法。该发明提出一种四层RFID数据处理架构，四个层次分别为物理读写器层、逻辑读写器层、相关读写器层和汇聚层。发明提出了去除积极读和过滤冗余读的算法，该算法通过四个内存数据表和四个判断机制，设计积极读判断模块和积极读验证模块，解决传统算法中消极读误判的问题。本发明兼顾RFID数据处理架构和算法，具有一定的使用价值。
-
公开(公告)号：CN103354506A
公开(公告)日：2013-10-16
申请号：CN201310278572.1
申请日：2013-07-03
Abstract: 本发明公开了一种物联网业务架构以及业务组合方法，该方法将物联网基于业务分成五层，分别是设备接入层，数据通信层，设备管理层，业务管理层，业务应用层。该架构下，在Qos基础上给出了基于蚁群算法的动态业务组合方法，即将该架构下业务的Qos属性与蚁群算法中的参数做出合理映射，以满足用户需求及最高Qos属性为目的选择参与组合的服务，该组合方法可以很好地满足用户需求以及保证组合服务的服务质量，充分利用了网络中的设备和已有的原子业务，因此本发明具有一定的实际使用价值和经济价值。
-
公开(公告)号：CN102508658A
公开(公告)日：2012-06-20
申请号：CN201110321535.5
申请日：2011-10-21
Applicant: 南京邮电大学
IPC: G06F9/44
Abstract: 本发明公开了一种实现描述物联网业务的模型语言的方法，该模型语言基于XML用于表示用户对物联网业务选择的过程，以及对业务任意组合的描述，并使用一个简单的WSFL,根据Petri网建模规则构造了简单物联网模型业务执行流语言。该模型语言声明了一组数量较少但相对完备的XML元素和自定义的元素标签来描述业务实体及实体间的关系，确定一个灵活的表示业务组合的标准，以加快业务模型的开发速度，支持模型的重用。
-
公开(公告)号：CN114783545B
公开(公告)日：2024-03-15
申请号：CN202210449861.2
申请日：2022-04-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GPU加速的分子对接方法及装置，包括：CPU端进行数据准备以及设置OpenCL环境，其中数据准备包括对接盒子及对接盒子的参数准备，随后将数据传输到GPU端；GPU端计算对接盒子中格点处原子和受体的原子的相互作用力并生成网格缓存表；CPU端生成配体的多个随机分子构象并传到GPU端，GPU端利用蒙特卡罗的迭代局部搜索算法优化随机分子构象并打分，得到构象并传输至回CPU端；CPU端将构象进行优化和排序；依次对配体库中所有配体进行上述优化步骤；使用打分函数ΔvinaRF20对CPU端中的分子构象进行打分并排序。本发明通过ΔvinaRF20对构象重新打分并排序，提高了输出构象的准确性；提出了一种基于OpenCL的AutoDock Vina异构并行加速结构，降低了对接时间和药物研发成本。
-
公开(公告)号：CN116306877A
公开(公告)日：2023-06-23
申请号：CN202211475716.8
申请日：2022-11-23
Applicant: 南京邮电大学
IPC: G06N3/082 , G06N3/0495 , G06N3/0455
Abstract: 本发明提供了一种高效的Transformer的量化方法，包括：对Transformer模型进行训练后量化，获得预训练后的模型原始权重张量；对Transformer模型进行每通道量化，对每个通道的bit位数进行重分配；根据初始化量化函数对每通道进行量化得到量化缩放因子以及整型权重张量；利用分层激活重构误差最小化法和位分割算法缩放因子和整型权重张量进行优化。本发明的量化优化方法能够使Transformer的模型在低比特量化的情况下保持较高的精度。
-
Patent Agency Ranking
公开(公告)号：CN110489585B
公开(公告)日：2022-12-02
申请号：CN201910609588.3
申请日：2019-07-08
Applicant: 南京邮电大学
IPC: G06F16/58 , G06F16/51 , G06F16/2458 , G06V10/764
Abstract: 本发明公开了基于监督学习的分布式图像搜索方法，首先在各个节点的数据库中对图像、视频、文件进行分类标记，初始化分类矩阵，编码矩阵，哈希码矩阵和对应的拉格朗日乘子，然后引入最小化分类误差和重构误差构建目标函数，求解上述目标函数，更新参数矩阵；数据节点与中心节点进行通信，并判断各节点的转换矩阵是否趋于一致，更新拉格朗日乘子，最后进行近似性搜索过程；本发明解决了大规模数据在存储，计算时所需规模过大，集中式地训练算法模型已不再适合的问题；而且数据节点与中心节点通信不交换原始信息，能有效解决传输通信过大的问题，同时节点上的数据保持独立性。
-
公开(公告)号：CN114860441A
公开(公告)日：2022-08-05
申请号：CN202210479528.6
申请日：2022-05-05
Applicant: 南京邮电大学
IPC: G06F9/50
Abstract: 本发明涉及一种面向药物虚拟筛选的多线程协作的GPU加速方法及实现，该方法通过增加初始随机配体构象的数目来减少蒙特卡罗的迭代局部搜索方法中的搜索步数。利用OpenCL实现CPU和GPU异构并行结构以此达到更高水平的并行和加速能力。该方法还通过构造GPU中全局内存的结构来解决OpenCL中无法实现八叉树的问题。现代药物筛选需要面对海量的化合物数据，在实际分子对接过程中，有可能在对接之前事先不知道靶区，此时要将配体对接到蛋白质靶标的整个表面，找到配体和受体最佳结合模式，这个过程称为盲对接，常用的的对接软件很难满足盲对接的要求。采用本发明的方法，可以在保证在盲对接的情况下，不损失对接精度的同时大幅加快分子对接和虚拟筛选的速度，满足大型化合物数据库分子对接的实际需求。
-
公开(公告)号：CN112086143B
公开(公告)日：2022-07-29
申请号：CN202010855167.1
申请日：2020-08-24
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于无监督域适应的小分子药物虚拟筛选方法，根据已知的药物靶标信息，预测新的药物靶标信息，进行虚拟筛选；该方法包括构建目标域和源域药物靶标数据集生成模型；构建训练无监督域适应的药物虚拟筛选模型；构建靶向目标域药物靶标的小分子药物虚拟筛选模型。在模型构建过程中，能够有效的解决因样本数量及信息不足导致的虚拟筛选模型不易构建或者构建不理想的难题。更好地进行虚拟筛选，对于新的药物靶标和罕见疾病的先导化合物的研究有着重大的帮助。可以实现既能提高筛选的效率又能节省时间和巨额的资金花销的目的。应用于药物筛选领域时也能够满足药物靶标配体的生物活性预测的要求。
-
公开(公告)号：CN114783545A
公开(公告)日：2022-07-22
申请号：CN202210449861.2
申请日：2022-04-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GPU加速的分子对接方法及装置，包括：CPU端进行数据准备以及设置OpenCL环境，其中数据准备包括对接盒子及对接盒子的参数准备，随后将数据传输到GPU端；GPU端计算对接盒子中格点处原子和受体的原子的相互作用力并生成网格缓存表；CPU端生成配体的多个随机分子构象并传到GPU端，GPU端利用蒙特卡罗的迭代局部搜索算法优化随机分子构象并打分，得到构象并传输至回CPU端；CPU端将构象进行优化和排序；依次对配体库中所有配体进行上述优化步骤；使用打分函数ΔvinaRF20对CPU端中的分子构象进行打分并排序。本发明通过ΔvinaRF20对构象重新打分并排序，提高了输出构象的准确性；提出了一种基于OpenCL的AutoDock Vina异构并行加速结构，降低了对接时间和药物研发成本。
-
公开(公告)号：CN114708929A
公开(公告)日：2022-07-05
申请号：CN202210363436.1
申请日：2022-04-08
Applicant: 南京邮电大学
IPC: G16C20/30 , G16C20/50 , G16C20/70 , G06F16/901 , G16H70/40 , G16H20/10 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种药物与药物相互作用预测模型及其训练方法，所述的训练方法包括：所述预测模型训练方法的目标是获取知识图谱中的高阶结构和语义关系，通过基于图采样的训练形成机制，每个训练批次都在知识图谱中采用图随机采样的方法为每一药物构建高阶感知域，确保每个药物的感知域结构一致，增加模型的鲁棒性和泛化性，采用图注意力机制从邻域实体中学习特征，根据邻居实体特征的差异，学习出邻居实体不同的权重，以提高邻居实体特征融合的有效性，从而提升预测模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.024 seconds)
