基于知识图谱的菌株培养基成分预测方法及系统

    公开(公告)号:CN117976039A

    公开(公告)日:2024-05-03

    申请号:CN202410040720.4

    申请日:2024-01-11

    Inventor: 陈兴国 蒋新成

    Abstract: 本发明提供了一种基于知识图谱的菌株培养基成分预测方法及系统,所述基于知识图谱的菌株培养基成分预测方法旨在通过知识图谱构建技术、知识图谱图数据库、知识图谱嵌入式算法,将菌株数据包括基因组数据、培养基及其成分数据、菌株代谢关系等以三元组的形式建模并存储生成菌株知识图谱;以该菌株知识图谱为基础,提取不同菌株之间的关联关系信息,通过知识图谱嵌入式算法进行训练,生成菌株培养基成分预测模型,利用持续学习机制与反馈机制持续更新预测模型。当用户提供任意一种新菌株的关键基因组数据时,预测可能的培养基成分,为未知菌株的培养提供依据与参考。

    基于格基约减的JPEG图像压缩色彩空间估计方法

    公开(公告)号:CN117319671A

    公开(公告)日:2023-12-29

    申请号:CN202311346078.4

    申请日:2023-10-18

    Inventor: 陈兴国 张颖 黄天

    Abstract: 本发明属于图像压缩技术领域,提供了一种基于格基约减的JPEG图像压缩色彩空间估计方法,主要包括以下步骤:S1.选择一个彩色图像并进行DCT变换;S2.选择一个DCT频率,根据不同的8x8区块得到3维的DCT系数向量的直方图;S3.将得到的直方图降序排序;S4.选择排序列表中位于 范围外的第一个向量,作为格的基向量;S5.选择下一个向量,如果列表中没有剩余的向量,则退出;S6.计算当前选择的向量和当前基向量构成的格上最接近的向量之间的误差;S7.对误差向量进行判断,符合要求时执行S5;S8.得到从不同DCT频率中估计的基向量,据此推算出色彩变换矩阵。本发明能在JPEG压缩过程中,通过给定的一个在压缩色彩空间中被量化的彩色图像里估计出这个未知的压缩色彩空间。

    倒立摆系统及其控制方法
    3.
    发明公开

    公开(公告)号:CN116300432A

    公开(公告)日:2023-06-23

    申请号:CN202310110900.0

    申请日:2023-02-14

    Inventor: 陈兴国 吕咏洲

    Abstract: 本发明提供了一种倒立摆系统及其控制方法,所述倒立摆系统的控制方法包括设置角度环和位置环,其中,角度环是正反馈,位置环为负反馈,闭环反馈输出当前时刻的PWM值给执行机构的电机,电机根据不同的PWM值进行转动;建立角度环,测量摆杆当前的角度值,并根据摆杆当前的角度值,控制旋转臂做相对运动,以使得摆杆保持竖立;建立位置环,对旋转臂设定期望位置,通过编码器得到旋转臂的当前位置,并弥补旋转臂的当前位置与期望位置的偏差;平衡角度环反馈的PWM值,使得摆杆保持动态竖立;平衡位置环反馈的PWM值,使得摆杆保持动态竖立。本发明在调节时间、超调量等方面具有很大改善,高效且具有较高的精度,能够对倒立摆进行稳定控制。

    一种基于循环神经网络的序列重排方法

    公开(公告)号:CN115526300B

    公开(公告)日:2023-06-02

    申请号:CN202211417807.6

    申请日:2022-11-14

    Inventor: 陈兴国 李扬

    Abstract: 本发明公开了一种基于循环神经网络的序列重排方法,包括训练过程和排序过程两部分。通过在正确序列的相关数据集上学习知识,由于乱序数据依旧保留序列特征,因此选择循环神经网络模型学习序列信息;将训练好的循环神经网络模型应用在乱序数据集上,首先固定第一个时间步的数据顺序并输入模型中,得到相应的预测结果后,基于预先定义的评价指标,搜索输入时间步的下一个时间步的在样本维度上的所有顺序组合,找出指标最优的组合将其作为对应时刻重排之后的正确顺序,以此类推直到最后一个时刻被排序好为止。相较于现有技术,本发明能够尽可能的将乱序数据重新排序成接近原始数据的形式。

    最小化经济成本的检查决策方法

    公开(公告)号:CN115620884A

    公开(公告)日:2023-01-17

    申请号:CN202211553389.3

    申请日:2022-12-06

    Abstract: 本发明提供了一种最小化经济成本的检查决策方法,主要包括以下步骤:将结点分为极大层结点、极小层结点和机会层结点,依据当前结点类型,对部分检查结果和患者症状进行拓展;拓展过程以递归的形式向下传递,并得到树状结构,直到诊断完成或者达到终止拓展的条件时拓展过程终止,统计此时的检查成本并回传;获取所有子节点的期望,计算总期望和方差并回传;获取子节点对应均值的方差并分析,将决策出的结点的均值和方差传递给父结点;博弈树搜索结束后返回至最上层,获取检查顺序的结果,再次生成博弈树,直至获取最优检查顺序。本发明能够降低患者检查成本,避免产生无效检查。

    一种基于LSTM-GCN的臭氧预测方法

    公开(公告)号:CN113077094A

    公开(公告)日:2021-07-06

    申请号:CN202110394823.7

    申请日:2021-04-13

    Abstract: 本发明揭示了一种基于LSTM‑GCN的臭氧预测方法,包括如下步骤,通过长短期记忆网络LSTM得到观测点的隐状态,将每个观测点的隐状态构造成图,作为图卷积神经网络GCN的输入,得到所有观测点加权后的隐状态,最后通过线性网络得出预测结果。本发明的方法结合了邻居观测点来辅助目标观测点预测臭氧数据。LSTM网络能起到很好的时序预测作用,GCN能很好地汇聚周遭观测点对目标观测点的影响,借此辅助预测目标观测点的臭氧含量,二者结合能够更加准确地对目标观测点的臭氧含量做出预测,为臭氧污染问题的控制和监管供科学依据,为环保相关部门和政府治理部门制订相关决策提供科学合理的理论基础和预测方法。

    基于次模函数的大数据多址选择方法

    公开(公告)号:CN111539764A

    公开(公告)日:2020-08-14

    申请号:CN202010305284.0

    申请日:2020-04-17

    Abstract: 本发明提供一种基于次模函数的大数据多址选择方法,包括:步骤1:采集待选址区域内已有门店的能够影响选址好坏的若干个特征,构造样本集;步骤2:利用样本集先训练出若干个基学习器的评估模型,将若干个基学习器运用bagging的集成方法组合为强学习器,即最终的选址模型;步骤3:将待选址区域内若干个候选门店的特征分别输入选址模型,最大输出值对应的候选门店为目标门店;步骤4:去除已选定的目标门店以及其影响半径内其它的候选门店,重复步骤3,得到下一个目标门店。本发明构建能够覆盖范围更广的选址模型,最终实现科学化、标准化以及可持续性强的选址策略。

    社交网络中基于用户兴趣的登录认证方法

    公开(公告)号:CN106453348B

    公开(公告)日:2019-11-15

    申请号:CN201610928381.9

    申请日:2016-10-31

    Abstract: 本发明公开了社交网络中基于用户兴趣的登录认证方法,首先选定具体的基于Web的社交网络应用场景,可以是电脑桌面终端也可以是智能移动终端,用户完成注册;将用户信息分为较稳定信息和不稳定信息两类,构建用户的信息模型。较稳定信息包含用户的注册ID、注册时间、性别、姓名、年龄、籍贯等。不稳定信息包含用户所发表的文字、图片和音视频以及对其他用户做出的评述等;基于用户信息模型的不稳定信息,通过网络爬虫、词频统计或特征提取技术生成用户兴趣模型;最后利用上述用户兴趣模型完成用户登录认证。本发明的优点在于无需额外硬件支持,成本较低、效率较高。通过用户个性化的兴趣和偏好来综合判定用户身份的合法性,有较好的安全性。

    一种形态滤波方法及装置

    公开(公告)号:CN103840793A

    公开(公告)日:2014-06-04

    申请号:CN201410079695.7

    申请日:2014-03-06

    Abstract: 本发明公开了一种形态滤波方法,属于模式识别技术领域。本发明针对现有形态滤波算法结构固定、需预设结构元素和偏倚校正系数等不足,对其进行了改进,利用多层滤波形式,每层根据前后滤波的差值选取较优结构元素,并根据前后滤波信号的相关系数获取较优的偏移校正系数,从而有效提高形态滤波的普适性和滤波效果。本发明还公开了一种采用上述形态滤波方法的形态滤波装置。相比现有技术,本发明可针对不同特点的原始信号选择合适的结构元素,具有更强的普适性;本发明采用级联的多层滤波方式,并可获取较优的偏移校正系数,可有效提高形态滤波的滤波效果。

    基于贝尔曼误差的方差最小化强化学习机械臂训练加速方法

    公开(公告)号:CN118114746B

    公开(公告)日:2024-07-23

    申请号:CN202410508730.6

    申请日:2024-04-26

    Abstract: 本发明提供了一种基于贝尔曼误差的方差最小化强化学习机械臂训练加速方法,用于机械臂控制,包括如下步骤:将工程问题建立成强化学习环境模型,通过使用位置传感器和旋转编码器,获取并测量了机械臂在运动过程中的关节角度、角速度、末端执行器位置、末端执行器速度和障碍物位置等位置姿态数据。数据经神经网络转化,形成了机械臂状态的特征。利用基于投影贝尔曼误差的方差最小化算法进行训练,提升机器臂的控制策略。通过反复迭代训练,最终获得机械臂的最优控制策略,提升机械臂在特定任务和应用场景中的表现。该方法通过减小梯度估计方差,能加快收敛到最优策略的速度,提高机械臂训练的准确性和效率,改善自动化控制系统性能。

Patent Agency Ranking