-
公开(公告)号：CN110289050B
公开(公告)日：2023-06-16
申请号：CN201910460463.9
申请日：2019-05-30
Applicant: 湖南大学
Abstract: 本发明提供了一种基于图卷积和词向量的药物－靶标相互作用预测方法，从药物中提取分子指纹特征和邻接矩阵特征，然后利用图卷积训练这些特征，将一个蛋白质分子表达式3个一组切割，并用一个100维的向量表示这一组，利用CNN训练靶标的词向量特征，最后把训练好的药物和靶标结合在一起，进行最后的结果预测。本发明的有益效果如下：可以提供关于药物的更多特征，从而达到更高的准确性；利用词向量构建蛋白质特征，大大减少了构建特征的时间；可以完整保存药物分子图的有关信息，而不会损失特征；可以大大加快训练时间。
-
公开(公告)号：CN112766303A
公开(公告)日：2021-05-07
申请号：CN202011535827.4
申请日：2020-12-23
Applicant: 湖南大学
Abstract: 本发明公开了一种基于CNN的航空发动机故障诊断方法，本防使用的数据集为航空发动机传感器收集到的气路参数，其中包含发生各种故障时的气路参数以及正常情况下的气路参数，并且是按照时间序列采集的数据，使用了卷积神经网络可以充分的挖掘气路参数之间前后变化的特征，相比于传统方法对离散数据进行建模(针对具体某个时刻的数据进行分析)来说，不仅考虑到了不同时刻气路参数具体数值的变化，进一步考虑了连续时刻参数变化的趋势特征和前后的联系，由于使用了CNN具有一定的平移不变性，所以泛化能力更好，可以取得更加全面更加高级更加复杂的特征，紧接着提出了一种新型的损失函数，用于评价模型的分类结果，从而实现故障的诊断。
-
公开(公告)号：CN112766303B
公开(公告)日：2024-03-29
申请号：CN202011535827.4
申请日：2020-12-23
Applicant: 湖南大学
IPC: G06F18/24 , G06F18/15 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN的航空发动机故障诊断方法，本防使用的数据集为航空发动机传感器收集到的气路参数，其中包含发生各种故障时的气路参数以及正常情况下的气路参数，并且是按照时间序列采集的数据，使用了卷积神经网络可以充分的挖掘气路参数之间前后变化的特征，相比于传统方法对离散数据进行建模(针对具体某个时刻的数据进行分析)来说，不仅考虑到了不同时刻气路参数具体数值的变化，进一步考虑了连续时刻参数变化的趋势特征和前后的联系，由于使用了CNN具有一定的平移不变性，所以泛化能力更好，可以取得更加全面更加高级更加复杂的特征，紧接着提出了一种新型的损失函数，用于评价模型的分类结果，从而实现故障的诊断。
-
公开(公告)号：CN110289050A
公开(公告)日：2019-09-27
申请号：CN201910460463.9
申请日：2019-05-30
Applicant: 湖南大学
Abstract: 本发明提供了一种基于图卷积和词向量的药物－靶标相互作用预测方法，从药物中提取分子指纹特征和邻接矩阵特征，然后利用图卷积训练这些特征，将一个蛋白质分子表达式3个一组切割，并用一个100维的向量表示这一组，利用CNN训练靶标的词向量特征，最后把训练好的药物和靶标结合在一起，进行最后的结果预测。本发明的有益效果如下：可以提供关于药物的更多特征，从而达到更高的准确性；利用词向量构建蛋白质特征，大大减少了构建特征的时间；可以完整保存药物分子图的有关信息，而不会损失特征；可以大大加快训练时间。
-
-
-
Search Results
4
records
(took 0.017 seconds)
