-
-
公开(公告)号：CN116662782A
公开(公告)日：2023-08-29
申请号：CN202310648362.0
申请日：2023-05-29
IPC: G06F18/213 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , A61B5/374 , G06F123/02
Abstract: 本发明公开了一种基于MSFF‑SENet的运动想象脑电图解码方法，包括：S1、构建MSFF‑SENet模型；其中，MSFF‑SENet模型包括多尺度时空块、多尺度时间块、PSD‑Conv块、SE特征融合块和分类块；S2、构建EEG信号数据集，对MSFF‑SENet模型进行训练；S3、将预处理的EEG信号输入至MSFF‑SENet模型中，获得运动想象脑电图解码分类结果。本发明提出了一种新的MSFF‑SENet模型，其相较于常见的时空模型更为敏感且准确地捕获MI‑EEG数据中的时间和多光谱特征。
-
公开(公告)号：CN116884500A
公开(公告)日：2023-10-13
申请号：CN202310861912.7
申请日：2023-07-13
Abstract: 本发明公开了一种交互式单细胞ATAC‑seq数据分析系统及方法，本发明以scATAC‑seq特征峰的DNA序列作为数据集，利用基于scATAC‑seq特征峰的DNA序列作为数据集以此完成各个序列特征峰在各细胞中的染色质可及性、单细胞聚类、单细胞ATAC‑seq数据降噪、转录因子活性推断的任务。进一步地，本发明基于LoRA微调、Prefix微调与Adapter微调将预训练大模型适配到各个分析任务中，并以此搭建在线的交互式分析平台，有效降低了微调大型预训练模型的成本，使得生物信息学家可以轻松地进行单细胞ATAC‑seq数据分析，而无需掌握编程知识。
-
公开(公告)号：CN116805513A
公开(公告)日：2023-09-26
申请号：CN202311066361.1
申请日：2023-08-23
IPC: G16B40/00 , G16B5/00 , G06N3/0455
Abstract: 本发明公开了一种基于异构图Transformer框架的癌症驱动基因预测与分析方法，涉及生物信息学领域，该方法包括：利用基因与基因的相互作用关系、蛋白质与蛋白质的相互作用关系和基因与蛋白质的对应关系，构建基因与蛋白质的异构网络；构建异构图Transformer模块，并根据异构图Transformer模块和基因与蛋白质的异构网络生成目标节点的嵌入；构建全连接层分类模块，根据全连接层分类模块和目标节点的嵌入生成癌症驱动基因预测结果，并对癌症驱动基因预测结果进行分析。本发明能充分利用不同的生物网络中的实体之间的关联关系，解决了生物网络先验信息未充分利用的问题，进而提升了癌症驱动基因预测的准确性。
-
公开(公告)号：CN116884495A
公开(公告)日：2023-10-13
申请号：CN202310991350.8
申请日：2023-08-07
IPC: G16B30/00 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F18/241 , G06N3/0499
Abstract: 本发明公开了一种基于扩散模型的长尾染色质状态预测方法，包括S1、获取原始DNA序列，并对原始DNA序列进行处理得到DNA编码数据；S2、基于所述DNA编码数据构建DNA序列扩散模型；S3、结合UNet的噪声预测器，进行有条件的DNA序列扩散模型的逆向过程，得到具有不同染色质状态类别的平衡数据集；S4、基于所述平衡数据集，采用反向传播算法构建染色质状态预测模型。本发明利用基于DNA序列扩散模型从噪音中生成尾部类别染色质状态的DNA序列，从而实现样本平衡；然后，利用类别样本平衡的数据集训练染色质状态预测模型，染色质状态预测模型能够有效捕捉基于基因的语法规则，从而精确预测染色质状态。
-
Patent Agency Ranking
公开(公告)号：CN116805513B
公开(公告)日：2023-10-31
申请号：CN202311066361.1
申请日：2023-08-23
IPC: G16B40/00 , G16B5/00 , G06N3/0455
Abstract: 本发明公开了一种基于异构图Transformer框架的癌症驱动基因预测与分析方法，涉及生物信息学领域，该方法包括：利用基因与基因的相互作用关系、蛋白质与蛋白质的相互作用关系和基因与蛋白质的对应关系，构建基因与蛋白质的异构网络；构建异构图Transformer模块，并根据异构图Transformer模块和基因与蛋白质的异构网络生成目标节点的嵌入；构建全连接层分类模块，根据全连接层分类模块和目标节点的嵌入生成癌症驱动基因预测结果，并对癌症驱动基因预测结果进行分析。本发明能充分利用不同的生物网络中的实体之间的关联关系，解决了生物网络先验信息未充分利用的问题，进而提升了癌症驱动基因预测的准确性。
-
公开(公告)号：CN116884499A
公开(公告)日：2023-10-13
申请号：CN202310858474.9
申请日：2023-07-12
IPC: G16B40/00 , G16B25/10 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了基于变分自编码器的单细胞转录因子调控网络构建方法，涉及基因转录调控领域，该方法包括：根据scATAC‑seq数据和scRNA‑seq数据，确定输入矩阵和真实标签矩阵；构建转录因子调控网络模型，并根据输入矩阵和转录因子调控网络模型确定预测标签矩阵；根据真实标签矩阵和预测标签矩阵，确定转录因子调控网络模型损失；采用双级优化策略对转录因子调控网络模型的内部参数进行更新；采用更新内部参数后的转录因子调控网络模型构建转录因子调控网络。本发明能提取并对齐单细胞ATAC‑seq和单细胞RNA‑seq数据中的高阶特征，结构化转录因子的调控关系，进而更全面准确地构建转录因子调控网络。
-
公开(公告)号：CN116616797A
公开(公告)日：2023-08-22
申请号：CN202310622556.3
申请日：2023-05-29
IPC: A61B5/369 , G06F18/211 , G06F18/2135 , G06F18/214 , G06F18/2337 , G06F18/2415 , G06F18/24 , G06F18/27 , G06N7/02 , A61B5/18 , A61B5/16 , A61B5/00
Abstract: 本发明提供了一种基于深度集成优化模糊分类器的疲劳驾驶检测方法，该方法包括：将经预处理后的数据输入至深度集成优化模糊分类器，得到第一输出向量和第一疲劳驾驶检测结果，并同时随机选择第一模糊规则；先对第一疲劳驾驶检测结果是否达到预设的分类精度进行判断，然后再对第二疲劳检测结果是否达到预设的分类精度进行判断，达到则输出疲劳驾驶检测结果，否则，以不断增加输出向量的拼接和模糊规则累乘运算。本发明解决了疲劳驾驶数据不平衡以及模型解释性差的问题。
-
公开(公告)号：CN119760085A
公开(公告)日：2025-04-04
申请号：CN202411883138.0
申请日：2024-12-19
Applicant: 四川省计算机研究院
IPC: G06F16/3329 , G06F16/334 , G06F16/36 , G06N3/094 , G06N3/0464 , G06N5/022
Abstract: 本发明公开了基于动态知识图谱的农业领域灾害预警和咨询应答方法，属于数据分析处理技术领域，本申请设计基于意图识别的深度卷积神经网络，提高对话意图识别的准确性，可较好的对用户问题数据进行学习，抽取出用户问题中的关键信息，并根据关键信息对文本意图进行正确识别，生成对抗神经网络可进行用户意图分析，提升农业智能应答的准确性、针对性，通过利用生成对抗神经网络强大的建模能力及对抗学习思想，可较好的完成特征提取，并根据特征生成合理的、有帮助性的、针对特定意图的回复，基于贝叶斯神经网络的预警模型，提升了预警效果，对农业灾害防治起到指导性作用，解决了传统BP神经网络收敛速度慢、容易陷入局部最小化的问题。
-
公开(公告)号：CN117216688A
公开(公告)日：2023-12-12
申请号：CN202311465129.5
申请日：2023-11-07
IPC: G06F18/243 , G06N3/088 , G06N3/04 , G06Q50/26
Abstract: 本发明公开了一种基于层次标签树与神经网络的企业行业识别方法与系统，所述方法包括：将国民经济行业分类数据，构建为层次标签树；根据层次标签树，构建用于神经网络模型训练的正例数据与反例数据；根据正例数据与反例数据和企业经营范围数据，计算层次标签树的路径得分，对企业进行行业识别。本发明采用了基于层次标签树与神经网络的企业行业识别方法，可以高精度的对企业进行行业识别，以便于后续对企业数据进行更为详尽的分析。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.028 seconds)
