-
公开(公告)号：CN113823352B
公开(公告)日：2023-09-08
申请号：CN202111130899.5
申请日：2021-09-26
Applicant: 南开大学
Abstract: 本发明提供一种药物‑靶蛋白亲和力预测方法及系统，属于基于人工智能的生物信息处理技术领域，对待检测的药物‑靶蛋白对中的药物化学分子和靶蛋白分子分别进行编码，得到药物输入表示和靶蛋白输入表示；利用药物‑靶蛋白亲和力预测模型对所述药物输入表示和靶蛋白输入表示进行处理，得到药物‑靶蛋白亲和力预测值。本发明利用元学习算法，有效挖掘了不同子任务之间的相关性；利用正则化项缓解不同子任务之间的任务不平等性，提高了药物‑靶蛋白亲和力预测模型的任务自适应性，获得了具有泛化性能的药物‑靶蛋白亲和力预测模型，提高了对未知药物‑靶蛋白对亲和力预测的准确性，有效解决了药物‑靶蛋白亲和力预测方面的冷启动问题。
-
公开(公告)号：CN113705737A
公开(公告)日：2021-11-26
申请号：CN202111260522.1
申请日：2021-10-28
Applicant: 南开大学
Abstract: 本发明公开了一种基于搜索的可扩展的最优测试图像集生成方法，在测试池中随机选取多个测试图像组成测试图像集，再由多个测试图像集组成初始的当前种群；对当前种群中的每个测试图像集，计算其覆盖率和规模，选择最优测试图像集作为下一轮迭代的种群；以筛选出来的下一轮迭代的种群作为父代，利用交叉算子进行运算，得到新种群；对得到的新种群进行图像层和图像集层的变异，得到变异后的后代个体；选取得到的后代个体中覆盖率高于父代个体或覆盖率相同但规模更小的作为下一轮迭代的当前种群，然后重复以上步骤。本发明能够生成规模小、覆盖率高、可扩展性强的最优测试图像集。
-
公开(公告)号：CN113627543A
公开(公告)日：2021-11-09
申请号：CN202110931933.2
申请日：2021-08-13
Applicant: 南开大学
Abstract: 本发明公开了一种对抗攻击检测方法，包括以下步骤：步骤S1，通过多种对抗攻击算法生成对于目标深度神经网络的对抗样本，并与自然输入样本混合作为输入样本；步骤S2，将输入样本输入到目标深度神经网络中提取全局特征和隐含层特征；步骤S3，将输入样本的全局特征和隐含层特征进行特征融合，得到输入样本的最终特征表示；步骤S4，使用输入样本的最终特征表示训练分类器，得到对抗样本检测模型；步骤S5，利用步骤4得到的对抗样本检测模型检测输入数据中是否含有对抗样本。本发明可以为被攻击目标系统的不同隐藏层动态分配不同的权重，不仅能发现单攻击模式下的对抗样本，而且能够不受混合攻击模式影响地检测出每种攻击方法所产生的对抗样本。
-
公开(公告)号：CN112528676A
公开(公告)日：2021-03-19
申请号：CN202011506990.8
申请日：2020-12-18
Applicant: 南开大学
IPC: G06F40/30 , G06F40/211 , G06N3/04
Abstract: 本发明提出了一种文档级别的事件论元抽取方法，本发明公开的方法是以非结构化的文档文本作为输入数据，构建基于深度学习的文档级别事件论元抽取模型，包含两个阶段，一个预训练阶段用于微调训练好的文本表示模型，一个抽取模型的训练和预测阶段用于学习各类事件角色的特征和生成预测结果，在两个阶段中均利用了事件角色的语义信息作为文本特征的扩充，以生成更加准确的事件论元抽取结果。对于普遍使用的文档级别事件论元抽取数据集，本发明的方法效果显著优于目前现有的文档级别事件论元抽取方法，证明事件角色的语义信息有助于从文档中进行事件论元的抽取。
-
公开(公告)号：CN110957015A
公开(公告)日：2020-04-03
申请号：CN201911210250.7
申请日：2019-12-02
Applicant: 南开大学
Abstract: 本发明提出了一种结合患者特征缺失规律的电子医疗记录数据的缺失值填充方法。本发明方法是构建由两个循环神经网络构成的联合模型，综合利用未缺失医疗数据的数值信息与患者特征的缺失规律，以判断患者生理状态并提取对应的状态特征，从而根据对应时刻患者的生理状态对各个特征缺失的值进行推断，实现合乎客观事实的患者特征缺失值的填充。对于缺失规律是非随机性的电子医疗记录数据，本发明方法的效果显著优于其他未考虑缺失规律的数据填充模型，证明医疗数据中的非随机缺失性质有助于模型判断患者生理状态，并且有益于模型对数据缺失值进行合理地填充。
-
Patent Agency Ranking
公开(公告)号：CN104036051B
公开(公告)日：2017-04-05
申请号：CN201410317326.7
申请日：2014-07-04
Applicant: 南开大学
IPC: G06F17/30
Abstract: 本发明公布了一种基于标签传播的数据库模式摘要生成方法，属于数据库技术应用领域。本发明方法的基本步骤如下：首先采用数据库模式到标签图的映射方法，通过关系表中的主外键信息、属性信息以及元组信息衡量每张关系表重要度。其次采用多元线性回归模型计算关系表相似度，选取名称、属性值以及关系表之间的映射关系作为相似度模型的主要特征。最后采用半监督的标签传播算法对模式信息聚类，自动生成模式摘要。本发明提出的数据库模式摘要生成方法，能够为大规模数据库模式摘要的自动生成提供一种有效的解决方案，达到帮助用户快速理解数据库模式信息的目的。
-
公开(公告)号：CN103853844A
公开(公告)日：2014-06-11
申请号：CN201410110441.7
申请日：2014-03-24
Applicant: 南开大学
IPC: G06F17/30
CPC classification number: G06F17/30595 , G06F17/30289 , G06F17/30321
Abstract: 基于Hadoop的关系表非冗余键集合识别方法。包括：提出了一种基于数据修剪和属性修剪的键集合识别算法，并设计出了该算法的分布式解决方案MRKeyFinder。本发明提出的非冗余键集合识别算法，能够为大规模数据集中非冗余键集合信息识别提供一种有效的解决方案。本发明可用于数据建模、数据集成、异常检测、查询优化、建立索引等领域。
-
公开(公告)号：CN113836286B
公开(公告)日：2024-04-05
申请号：CN202111129135.4
申请日：2021-09-26
Applicant: 南开大学
IPC: G06F16/332 , G06F16/35 , G06F40/216 , G06F40/289 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本公开提供了一种基于问答匹配的社区孤寡老人情感分析方法，包括：获取询问信息；对获取的询问信息进行问答匹配；符合匹配要求的询问信息，直接得到询问信息对应的答复结果；不符合要求的询问信息，依据预设的情感分析模型，得到情感分析结果；其中，情感分析模型的学习采用双任务混合学习框架，主任务判断当前语境下说话人的状态，辅助任务对对话中的语句进行编码后，通过注意力机制挖掘当前说话人的历史对话记录，得到说话人上下文向量；本公开可以关怀老人和服务居民，提高了社区服务质量，实现了智能问答；可以高效的将居民问题与社区管理处提供的语料库进行匹配，准确解答居民问题，同时，可以有效的评估孤寡老人的情感状态。
-
公开(公告)号：CN113705737B
公开(公告)日：2021-12-24
申请号：CN202111260522.1
申请日：2021-10-28
Applicant: 南开大学
Abstract: 本发明公开了一种基于搜索的可扩展的最优测试图像集生成方法，在测试池中随机选取多个测试图像组成测试图像集，再由多个测试图像集组成初始的当前种群；对当前种群中的每个测试图像集，计算其覆盖率和规模，选择最优测试图像集作为下一轮迭代的种群；以筛选出来的下一轮迭代的种群作为父代，利用交叉算子进行运算，得到新种群；对得到的新种群进行图像层和图像集层的变异，得到变异后的后代个体；选取得到的后代个体中覆盖率高于父代个体或覆盖率相同但规模更小的作为下一轮迭代的当前种群，然后重复以上步骤。本发明能够生成规模小、覆盖率高、可扩展性强的最优测试图像集。
-
公开(公告)号：CN113823352A
公开(公告)日：2021-12-21
申请号：CN202111130899.5
申请日：2021-09-26
Applicant: 南开大学
Abstract: 本发明提供一种药物‑靶蛋白亲和力预测方法及系统，属于基于人工智能的生物信息处理技术领域，对待检测的药物‑靶蛋白对中的药物化学分子和靶蛋白分子分别进行编码，得到药物输入表示和靶蛋白输入表示；利用药物‑靶蛋白亲和力预测模型对所述药物输入表示和靶蛋白输入表示进行处理，得到药物‑靶蛋白亲和力预测值。本发明利用元学习算法，有效挖掘了不同子任务之间的相关性；利用正则化项缓解不同子任务之间的任务不平等性，提高了药物‑靶蛋白亲和力预测模型的任务自适应性，获得了具有泛化性能的药物‑靶蛋白亲和力预测模型，提高了对未知药物‑靶蛋白对亲和力预测的准确性，有效解决了药物‑靶蛋白亲和力预测方面的冷启动问题。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.02 seconds)
