-
公开(公告)号：CN117995277B
公开(公告)日：2024-08-23
申请号：CN202410173253.2
申请日：2024-02-07
Applicant: 扬州大学
Abstract: 本发明提出一种适用于长序列的对数位置编码方法，包括以下步骤：从公共数据库中获取长序列数据，划分为训练集和验证集；构建一个用于定位序列元素的对数位置编码模块，获取序列的对数位置编码；搭建包括整合了对数位置编码的多头注意层，获取序列元素的注意层输出；基于自定义位置编码模块和多头注意层搭建数据编码器，对序列数据进行数据编码；将训练集序列数据输入到构建好的数据编码器模型中进行训练，使用性能指标评估模型性能，并保留表现最佳的模型。本发明在保持对序列内元素相对位置敏感的同时，也允许模型有效地处理长距离的元素关系，提高长序列处理的准确性和效率。
-
公开(公告)号：CN118335194A
公开(公告)日：2024-07-12
申请号：CN202410533877.0
申请日：2024-04-30
Applicant: 扬州大学
IPC: G16B30/10 , G06F16/2458 , G06F16/28 , G06N3/0464 , G06N3/084 , G16B40/20
Abstract: 本发明公开了一种基于卷积神经网络的病毒序列检索方法，包括以下步骤：步骤一：数据准备；步骤二：数据预处理；步骤三：模型训练；步骤四：构建特征向量数据库；步骤五：病毒序列检索。还公开了上述基于卷积神经网络的病毒序列检索方法的检索系统；本发明利用卷积神经网络提取病毒序列的高维特征表示，并使用欧几里得距离作为特征向量相识度度量的方法进行检索，可以更全面地捕获病毒序列之间的相似性和差异性，提高检索的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN117995277A
公开(公告)日：2024-05-07
申请号：CN202410173253.2
申请日：2024-02-07
Applicant: 扬州大学
Abstract: 本发明提出一种适用于长序列的对数位置编码方法，包括以下步骤：从公共数据库中获取长序列数据，划分为训练集和验证集；构建一个用于定位序列元素的对数位置编码模块，获取序列的对数位置编码；搭建包括整合了对数位置编码的多头注意层，获取序列元素的注意层输出；基于自定义位置编码模块和多头注意层搭建数据编码器，对序列数据进行数据编码；将训练集序列数据输入到构建好的数据编码器模型中进行训练，使用性能指标评估模型性能，并保留表现最佳的模型。本发明在保持对序列内元素相对位置敏感的同时，也允许模型有效地处理长距离的元素关系，提高长序列处理的准确性和效率。
-
公开(公告)号：CN1318578C
公开(公告)日：2007-05-30
申请号：CN200410065333.9
申请日：2004-11-26
Applicant: 扬州大学
Abstract: 本发明涉及一种莲藕组培脱毒苗的驯化方法，属于蔬菜种苗生产技术领域。包括：取莲藕茎尖为外植体，接种培养无菌苗；后转接培养基中继代增殖。组培苗无须进行生根培养，直接将培养(脱毒)苗转入1-3倍MS或B5基本培养基，附加4%-15%蔗糖、100-1000mg/l青霉素的培养基中，处理7-15天后，将莲藕组培(脱毒)苗经自来水浸泡冲洗，用50-5000mg/l氯化胆碱处理2-48小时，浸蘸50-1000mg/lNAA后直接移栽于浅水大田，成活率可达90%以上。组培(脱毒)苗长势健旺，生产应用效果好，适合工厂化育苗，可商品化生产。
-
公开(公告)号：CN1631075A
公开(公告)日：2005-06-29
申请号：CN200410065333.9
申请日：2004-11-26
Applicant: 扬州大学
Abstract: 本发明一种莲藕组培脱毒苗的驯化方法，属于蔬菜种苗生产技术领域。包括：取莲藕茎尖为外植体，接种培养无菌苗；后转接培养基中继代增殖。组培苗无须进行生根培养，直接将培养(脱毒)苗转入1－3倍MS或B5基本培养基，附加4％－15％蔗糖、0－1000mg/l青霉素的培养基中，处理7－15天后，将莲藕组培(脱毒)苗经自来水浸泡冲洗，用50－5000mg/l氯化胆碱处理2－48小时，浸蘸50－1000mg/lNAA后直接移栽于浅水大田，成活率可达90％以上。组培(脱毒)苗长势健旺，生产应用效果好，适合工厂化育苗，可商品化生产。
-
公开(公告)号：CN118410516A
公开(公告)日：2024-07-30
申请号：CN202410407543.9
申请日：2024-04-07
Applicant: 扬州大学
IPC: G06F21/62 , G06N20/20 , G06F18/231 , G06N3/0455 , G06F18/2135
Abstract: 本发明公开了一种于联邦学习的节点模型参数优化方法，包括以下步骤：在本地搭建神经网络，通过本地隐私数据进行学习，把学习到的模型参数传输给中央节点；中央节点对其他所有节点传输的模型参数进行判断；若判断结构相同，则对所有模型参数进行分层聚类并统计所属类别；反之则对所有模型参数进行自编码器训练、特征提取、特征合并、降维聚类；所有节点在自己所属的簇中进行联邦学习。本发明实现了不同结构的模型参数进行联邦学习，并且通过聚类模型参数的方法，不仅可以实现隐私数据的保护，还可以避免数据差异性较大的模型参数影响其他模型参数的准确性。
-
公开(公告)号：CN212497854U
公开(公告)日：2021-02-09
申请号：CN202020926703.8
申请日：2020-05-28
Applicant: 扬州大学
Abstract: 本实用新型涉及一种医学实验多刀片剪碎剪刀，包括第一剪刀杆、第二剪刀杆，第一剪刀杆、第二剪刀杆通过转动轴铰链连接；第一剪刀杆、第二剪刀杆之间固定有弹簧，弹簧的一端固定于第一剪刀杆靠近尾部处，另一端固定于第二剪刀杆靠近尾部处；所述第一剪刀杆的头部设有若干第一刀片，若干第一刀片与第一剪刀杆的长度方向垂直，第一刀片与第一刀片之间留有第一缝隙；所述第二剪刀杆的头部设有若干第二刀片，若干第二刀片与第二剪刀杆的长度方向垂直，第二刀片与第二刀片之间留有第二缝隙。通过本实用新型，避免了平常用的用到的剪刀垂直在标本上方操作引起的污染，且大大提高工作效率。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
