-
公开(公告)号：CN110232434A
公开(公告)日：2019-09-13
申请号：CN201910347668.6
申请日：2019-04-28
Applicant: 吉林大学
Abstract: 本发明公开了一种基于属性图优化的神经网络架构评估方法，将神经网络架构建模为属性图，构建贝叶斯图神经网络代理模型；通过随机生成、训练以及测试一组神经网络架构，将这组神经网络架构以及测试对应的性能指标作为初始训练集，训练集用于训练贝叶斯图神经网络代理模型；根据当前的训练集，通过进化算法生成新的神经网络候选集并训练贝叶斯图神经网络代理模型；并通过最大化采集函数从神经网络候选集中选择一个潜在个体，然后对该个体进行训练、测试，并将其以及测试对应的性能指标添加到当前的训练集中；在固定成本的约束下，重复上述步骤直到在当前的训练集中得到最好的神经网络架构以及架构对应的权重。与现有技术相比，本发明可以快速地找到比人工设计效果更好的模型。
-
公开(公告)号：CN111063398B
公开(公告)日：2023-08-18
申请号：CN201911327186.0
申请日：2019-12-20
Applicant: 吉林大学
Abstract: 本发明涉及一种基于图贝叶斯优化的分子发现方法。所述方法包括：获取候选分子集合；从所述候选分子集合中随机选取若干个分子进行性质评估，得到分子‑性质对集合；根据所述分子‑性质对集合对代理模型进行训练，得到训练后的代理模型；根据所述训练后的代理模型对所述候选分子集合中的分子分别进行性质预测，从所述候选集合中选择希望分子进行性质评估，得到希望分子性质；根据所述希望分子性质找到具有期望性质的分子。本发明基于图贝叶斯优化的分子发现方法通过对候选集中的分子进行预测，再根据预测结果选择分子进行评估得到分子的实际性质，有根据的选择分子进行评估，减少分子的评估次数，从而减小分析评估的代价。
-
Patent Agency Ranking
公开(公告)号：CN111127364A
公开(公告)日：2020-05-08
申请号：CN201911365687.8
申请日：2019-12-26
Applicant: 吉林大学
Abstract: 本发明涉及一种图像数据增强策略选择方法及人脸识别图像数据增强方法。图像数据增强策略选择方法包括：获取数据增强策略搜索空间和目标物体图像集；在搜索空间中随机选取若干条数据增强策略；分别计算随机选取的若干条数据增强策略对应的图像分类误差，得到初始数据增强策略误差对集合；采用贝叶斯优化方法从搜索空间中搜索选出最优数据增强策略。人脸识别图像数据增强方法包括将选出的最优数据增强策略应用在待增强的人脸识别图像中。本发明的数据增强策略选择方法仅需要根据已有的目标物体图像集运行一次，选出最优数据增强策略，即可将该最优数据增强策略应用到同类的目标物体图像数据中进行图像数据增强，提高图像数据增强方法的使用效率。
-
公开(公告)号：CN119962572A
公开(公告)日：2025-05-09
申请号：CN202510053556.5
申请日：2025-01-14
Applicant: 吉林大学
IPC: G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本申请公开了一种多元时间序列预测方法及装置，涉及数据预测技术领域，该方法包括：根据目标非线性动力系统的拓扑结构，构建基于图卷积神经网络的网络模型；所述网络模型包括依次连接的自适应图模块、编码器、空间神经微分方程模块、时间神经微分方程模块和解码器；采用所述目标非线性动力系统的历史数据集训练所述网络模型，得到多元时间序列预测模型；通过空间神经微分方程模块引入状态反馈来揭示时空时间序列在空间维度上的演化模式，并引入基于非线性状态转移理论的神经微分方程来模拟时间层面的状态演化，在融合空间特征同时抑制特征过平滑现象，提高了数据预测的有效性。
-
公开(公告)号：CN111127364B
公开(公告)日：2022-08-02
申请号：CN201911365687.8
申请日：2019-12-26
Applicant: 吉林大学
Abstract: 本发明涉及一种图像数据增强策略选择方法及人脸识别图像数据增强方法。图像数据增强策略选择方法包括：获取数据增强策略搜索空间和目标物体图像集；在搜索空间中随机选取若干条数据增强策略；分别计算随机选取的若干条数据增强策略对应的图像分类误差，得到初始数据增强策略误差对集合；采用贝叶斯优化方法从搜索空间中搜索选出最优数据增强策略。人脸识别图像数据增强方法包括将选出的最优数据增强策略应用在待增强的人脸识别图像中。本发明的数据增强策略选择方法仅需要根据已有的目标物体图像集运行一次，选出最优数据增强策略，即可将该最优数据增强策略应用到同类的目标物体图像数据中进行图像数据增强，提高图像数据增强方法的使用效率。
-
公开(公告)号：CN119314589A
公开(公告)日：2025-01-14
申请号：CN202411356576.1
申请日：2024-09-27
Applicant: 吉林大学
Abstract: 本申请提供了一种基于并行贝叶斯最优化的小分子化合物虚拟筛选方法和系统，该方法应用于多个独立工作且具有通讯关系的计算节点，计算节点包括：一个主节点和多个从节点，该方法包括：S1、各计算节点利用代理模型对目标分子库进行目标性质预测，得到预测得分和不确定性，并计算EI得分；S2、各计算节点按照EI得分的降序，根据采集个数，获取待对接小分子化合物，进行分子对接，得到对接得分；S3、主节点根据各计算节点的对接得分，确定各计算节点的采集个数；S4、主节点基于各计算节点的待对接小分子化合物和相对应的对接得分更新代理模型，并重复步骤S1‑S4，进行多轮次的模型训练，直至到达预定迭代轮次。通过该方法可以避免资源闲置，节省计算时间。
-
公开(公告)号：CN111063398A
公开(公告)日：2020-04-24
申请号：CN201911327186.0
申请日：2019-12-20
Applicant: 吉林大学
Abstract: 本发明涉及一种基于图贝叶斯优化的分子发现方法。所述方法包括：获取候选分子集合；从所述候选分子集合中随机选取若干个分子进行性质评估，得到分子-性质对集合；根据所述分子-性质对集合对代理模型进行训练，得到训练后的代理模型；根据所述训练后的代理模型对所述候选分子集合中的分子分别进行性质预测，从所述候选集合中选择希望分子进行性质评估，得到希望分子性质；根据所述希望分子性质找到具有期望性质的分子。本发明基于图贝叶斯优化的分子发现方法通过对候选集中的分子进行预测，再根据预测结果选择分子进行评估得到分子的实际性质，有根据的选择分子进行评估，减少分子的评估次数，从而减小分析评估的代价。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
