-
公开(公告)号：CN117912573B
公开(公告)日：2024-05-17
申请号：CN202410303148.6
申请日：2024-03-18
Applicant: 南开大学
Abstract: 本发明涉及生物分子网络构建技术领域，具体为基于深度学习的多层次生物分子网络构建方法。本发明中，从公共数据库中收集生物分子数据，生物分子数据包括蛋白质作用数据、基因表达数据、代谢途径数据和蛋白质结构数据，利用基于图的聚类算法模型，根据蛋白质作用数据和基因表达数据进行生物分子网络的建构，利用基于系统生物学的模型，根据代谢途径数据和蛋白质结构数据进行生物分子网络的建构，计算基两者生物分子网络的平均最短路径长度，将两者的长度进行比对，根据比对结果进行最终生物分子网络的确定以及对基于图的聚类算法模型和基于系统生物学的模型的优化。
-
公开(公告)号：CN117912573A
公开(公告)日：2024-04-19
申请号：CN202410303148.6
申请日：2024-03-18
Applicant: 南开大学
Abstract: 本发明涉及生物分子网络构建技术领域，具体为基于深度学习的多层次生物分子网络构建方法。本发明中，从公共数据库中收集生物分子数据，生物分子数据包括蛋白质作用数据、基因表达数据、代谢途径数据和蛋白质结构数据，利用基于图的聚类算法模型，根据蛋白质作用数据和基因表达数据进行生物分子网络的建构，利用基于系统生物学的模型，根据代谢途径数据和蛋白质结构数据进行生物分子网络的建构，计算基两者生物分子网络的平均最短路径长度，将两者的长度进行比对，根据比对结果进行最终生物分子网络的确定以及对基于图的聚类算法模型和基于系统生物学的模型的优化。
-
公开(公告)号：CN117911793A
公开(公告)日：2024-04-19
申请号：CN202410302058.5
申请日：2024-03-18
Applicant: 南开大学
IPC: G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及海洋生物检测技术领域，具体为基于深度学习的海洋生物智能检测方法。本发明中，从公共数据库中收集不同的海洋生物图像数据，海洋生物图像数据包括不同的种类、环境和角度的图像数据，并接收用户发送的待检测的海洋生物图像数据，利用卷积神经网络算法根据不同的海洋生物图像数据进行模型的构建，构建好的模型对待检测的海洋生物图像数据进行海洋生物种类和预测概率的检测，利用生成对抗网络算法根据不同的海洋生物图像数据进行模型的构建，构建好的模型对待检测的海洋生物图像数据进行海洋生物种类和预测概率的检测，比较卷积神经网络算法和生成对抗网络算法检测结果，根据检测结果的一致性来确定最终结果以及优化处理。
-
公开(公告)号：CN117911793B
公开(公告)日：2024-05-17
申请号：CN202410302058.5
申请日：2024-03-18
Applicant: 南开大学
IPC: G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及海洋生物检测技术领域，具体为基于深度学习的海洋生物智能检测方法。本发明中，从公共数据库中收集不同的海洋生物图像数据，海洋生物图像数据包括不同的种类、环境和角度的图像数据，并接收用户发送的待检测的海洋生物图像数据，利用卷积神经网络算法根据不同的海洋生物图像数据进行模型的构建，构建好的模型对待检测的海洋生物图像数据进行海洋生物种类和预测概率的检测，利用生成对抗网络算法根据不同的海洋生物图像数据进行模型的构建，构建好的模型对待检测的海洋生物图像数据进行海洋生物种类和预测概率的检测，比较卷积神经网络算法和生成对抗网络算法检测结果，根据检测结果的一致性来确定最终结果以及优化处理。
-
-
-
Search Results
4
records
(took 0.017 seconds)
