-
公开(公告)号：CN110827923B
公开(公告)日：2021-03-02
申请号：CN201911073759.1
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 一种基于卷积神经网络的精液蛋白质的预测方法属于大数据、人工智能技术领域。本发明将现有文献和数据库的精液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过5个的蛋白质家族，从这些蛋白质家族中随机选取5个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果，提高了精液预测的准确率，最终实现精液蛋白的预测。
-
公开(公告)号：CN111554348A
公开(公告)日：2020-08-18
申请号：CN202010337266.0
申请日：2020-04-26
Abstract: 一种分泌入支气管肺泡灌洗液蛋白质预测方法，属于人工智能检测技术领域，将现有文献和数据库的支气管肺泡灌洗液中已经被生物实验验证的蛋白质列表作为模型训练的样本，以蛋白质序列作为模型输入，利用RNN和LSTM构建运算模型，对入支气管肺泡灌洗液蛋白进行预测。本发明通过可计算的方法实现支气管肺泡灌洗液中的蛋白质预测，并通过预测的蛋白质，找到疾病相关蛋白进行病理分析，促进疾病的早期诊断。
-
公开(公告)号：CN110827922B
公开(公告)日：2021-04-16
申请号：CN201911073779.9
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 一种基于循环神经网络的羊水蛋白质的预测方法属于大数据、人工智能技术领域。本发明将现有文献和数据库的羊水中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过5个的蛋白质家族，从这些蛋白质家族中随机选取5个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了羊水预测的准确率，最终实现羊水蛋白的预测。
-
公开(公告)号：CN110827923A
公开(公告)日：2020-02-21
申请号：CN201911073759.1
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 一种基于卷积神经网络的精液蛋白质的预测方法属于大数据、人工智能技术领域。本发明将现有文献和数据库的精液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过5个的蛋白质家族，从这些蛋白质家族中随机选取5个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果，提高了精液预测的准确率，最终实现精液蛋白的预测。
-
Patent Agency Ranking
公开(公告)号：CN110827922A
公开(公告)日：2020-02-21
申请号：CN201911073779.9
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 一种基于循环神经网络的羊水蛋白质的预测方法属于大数据、人工智能技术领域。本发明将现有文献和数据库的羊水中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过5个的蛋白质家族，从这些蛋白质家族中随机选取5个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了羊水预测的准确率，最终实现羊水蛋白的预测。
-
公开(公告)号：CN110797084B
公开(公告)日：2021-05-25
申请号：CN201911073760.4
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 基于深度神经网络的脑脊液蛋白质的预测方法属于人工智能与大数据技术领域。本发明将现有文献和数据库的脑脊液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过10个的蛋白质家族，从这些蛋白质家族中随机选取10个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了脑脊液预测的准确率，最终实现脑脊液蛋白的预测。
-
公开(公告)号：CN112288265A
公开(公告)日：2021-01-29
申请号：CN202011168862.7
申请日：2020-10-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度可分离卷积的去皮土豆的质量识别方法，包括以下步骤：步骤一：先利用三维扫描机构对没有质量问题的土豆进行扫描，在工控电脑里采用深度可分离卷积建立没有质量问题的土豆模型，三维扫描机构包括固定框板、工控电脑、固定板、固定杆和三维扫描摄像头，所述固定框板底部左右两侧均焊接有固定板，且两个固定板之间固定连接有固定杆，所述固定杆底部中间固定连接有三维扫描摄像头。本发明采用深度可分离卷积技术，通过增加深度可分离卷积神经网络,对模型输入的不同粒度序列进行卷积运算,提取更多的特征数据,相比传统卷积降低了模型的理论计算量，提升了模型的比对速度，而且经过更多的特征数据，具有更好的比对准确性。
-
公开(公告)号：CN112394150A
公开(公告)日：2021-02-23
申请号：CN202011170696.4
申请日：2020-10-28
Applicant: 吉林大学
IPC: G01N33/02
Abstract: 本发明公开了一种基于残差网络的梨原料质量识别装置及其识别方法，其结构包括支撑架，所述支撑架上设置有轴承座和固定架，所述轴承座通过螺钉与所述支撑架的上端固定连接，所述固定架通过螺钉与所述支撑架的右端固定连接，所述轴承座上设置有传送电机、支撑杆和固定轴，所述传送电机通过螺钉与所述轴承座的左端固定连接，所述支撑杆通过螺钉与所述轴承座的上端固定连接，所述固定轴的两端嵌合在所述轴承座的内侧。本发明能够自动对梨原料进行质量识别，并且对梨原料质量与标准质量进行对比，加快了梨原料质量识别时的速度，减少了梨原料质量识别时人员的使用量，降低了梨原料质量识别时的成本，提高了梨原料质量识别时的效率。
-
公开(公告)号：CN110797084A
公开(公告)日：2020-02-14
申请号：CN201911073760.4
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 基于深度神经网络的脑脊液蛋白质的预测方法属于人工智能与大数据技术领域。本发明将现有文献和数据库的脑脊液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过10个的蛋白质家族，从这些蛋白质家族中随机选取10个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果。提高了脑脊液预测的准确率，最终实现脑脊液蛋白的预测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
