-
公开(公告)号：CN111199237A
公开(公告)日：2020-05-26
申请号：CN202010029057.X
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于注意力的卷积神经网络分频特征提取方法。该方法通过将高频特征提取核与低频特征提取核相结合的方式，在多个空间频率上提取蕴含在输入数据中的特征，将低频特征及其提取核大小压缩，可以有效降低训练模型时所需的计算资源，减少内存消耗。采用高低频之间信息交换，可以提高特征提取的丰富度，获得准确率高、可靠的有意结果。结合自注意力机制，可以提高特征提取的效率，减少复杂任务所需的网络深度，缓解由此带来的梯度消失的问题。
-
公开(公告)号：CN111951885A
公开(公告)日：2020-11-17
申请号：CN202010803348.X
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明属于生物信息学、智能优化、计算机应用领域，公开了一种基于局部有偏的蛋白质结构预测方法。本发明包括步骤：计算目标个体变异窗口片段与片段库片段的疏水尺度差以及片段库中各片段的二级结构得分；对片段库中各片段统计并排序；选择最佳片段进行片段组装，通过蒙特卡洛机制判断是否接收以确定变异个体；计算变异个体与随机个体交叉片段的二级结构得分以确定交叉个体；通过随机数取值决定比较目标个体和交叉个体能量值或二级结构分数来选择下一代目标个体。本发明避免了传统构象空间优化方法的不足，如：采样效率低，预测精度较低。本发明借助于氨基酸疏水特性及其局部结构特征，实现了改进的结构模型评分方法。
-
公开(公告)号：CN104573627B
公开(公告)日：2017-12-29
申请号：CN201410662665.9
申请日：2014-11-19
Applicant: 湖南大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于二值图像的车道线保留与检测算法，本算法首先通过对轮廓面积及其长宽比的约束去除最明显的噪声部分，然后通过对图像最下面1/4的部分进行轮廓的提取，记录轮廓中每行白色像素的个数到数组a[L‑4]，并对轮廓左右边缘点进行直线拟合，保留数组a[L‑4]的方差小于阈值T并且轮廓左右两边斜率差在10％以内的轮廓。最后对这些轮廓“注水”，通过水流的方向确定寻找的路径，另外通过水流的势能冲破黑色像素的“阻挠”去寻找断裂或者没有识别出来的轨道线，使二值图像中只保存符合轨道线特征的轮廓组，最后保留车辆所在车道的左右车道线轮廓组，通过拟合轮廓组边缘点，标注车道线，旨在提高轨道线检测的准确性。
-
公开(公告)号：CN104573627A
公开(公告)日：2015-04-29
申请号：CN201410662665.9
申请日：2014-11-19
Applicant: 湖南大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于二值图像的车道线保留与检测算法，本算法首先通过对轮廓面积及其长宽比的约束去除最明显的噪声部分，然后通过对图像最下面1/4的部分进行轮廓的提取，记录轮廓中每行白色像素的个数到数组a[L-4]，并对轮廓左右边缘点进行直线拟合，保留数组a[L-4]的方差小于阈值T并且轮廓左右两边斜率差在10％以内的轮廓。最后对这些轮廓“注水”，通过水流的方向确定寻找的路径，另外通过水流的势能冲破黑色像素的“阻挠”去寻找断裂或者没有识别出来的轨道线，使二值图像中只保存符合轨道线特征的轮廓组，最后保留车辆所在车道的左右车道线轮廓组，通过拟合轮廓组边缘点，标注车道线，旨在提高轨道线检测的准确性。
-
公开(公告)号：CN111951885B
公开(公告)日：2022-05-03
申请号：CN202010803348.X
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明属于生物信息学、智能优化、计算机应用领域，公开了一种基于局部有偏的蛋白质结构预测方法。本发明包括步骤：计算目标个体变异窗口片段与片段库片段的疏水尺度差以及片段库中各片段的二级结构得分；对片段库中各片段统计并排序；选择最佳片段进行片段组装，通过蒙特卡洛机制判断是否接收以确定变异个体；计算变异个体与随机个体交叉片段的二级结构得分以确定交叉个体；通过随机数取值决定比较目标个体和交叉个体能量值或二级结构分数来选择下一代目标个体。本发明避免了传统构象空间优化方法的不足，如：采样效率低，预测精度较低。本发明借助于氨基酸疏水特性及其局部结构特征，实现了改进的结构模型评分方法。
-
Patent Agency Ranking
公开(公告)号：CN113611367A
公开(公告)日：2021-11-05
申请号：CN202110898820.7
申请日：2021-08-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于VAE数据增强的CRISPR/Cas9脱靶预测方法，包括S1、采用Pair编码对训练数据进行处理；S2、采用H‑VAE模型对步骤S1中处理后的数据进行预训练以获得隐变量分布的参数；S3、采用给定的后验分布并结合隐变量分布的参数采样新的正样本；S4、将新采样的正样本与之前的训练数据融合，在保留原始信息模型的信息提取模块的基础上，将最后的全连接层进行替换，使用融合后的数据进行联合训练；S5、利用训练好的任务分类结果，对新的输入任务进行脱靶预测。本发明解决了类不平衡数据所带来的学习不稳定等问题。
-
公开(公告)号：CN112967751A
公开(公告)日：2021-06-15
申请号：CN202110299297.6
申请日：2021-03-21
Applicant: 湖南大学
Abstract: 本发明属于生物信息学、智能优化、计算机应用领域，公开了基于进化搜索的蛋白质构象空间优化方法。本发明包括：用氨基酸序列在第0代时的随机构象初始化种群；将种群中个体按照势能值排序；选择低势能个体作为当前采样前的父代个体，对每一个父代个体应用片段替换技术进行修改生成子代个体；对得到的每一个子代个体，应用最小化策略进行一系列的片段替换运动，映射到附近的极小值状态；将经过最小化策略处理后的所有子代个体与种群中其他个体形成的并集经过截断选择后选出新的种群。本发明改进了基本进化方法的不足，如：容易过早收敛到次优区域。本发明借助于以局部贪婪搜索为特征的最小化步骤，实现了采样能力更高的蛋白质构象空间探索方法。
-
公开(公告)号：CN111261223A
公开(公告)日：2020-06-09
申请号：CN202010030316.0
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于深度学习的CRISPR脱靶效应预测方法，通过使用BERT模型对人类基因组进行信息的抽取，有效地利用基因组的先验信息，并对数据进行有效地加强，最后将获取到的特征输入到LightGBM方法中进行训练预测，本发明解决了数据量少和数据不平衡的问题，并实现了对CRISPR脱靶效应的有效预测，具有十分重要的推广应用价值。
-
公开(公告)号：CN113611367B
公开(公告)日：2022-12-13
申请号：CN202110898820.7
申请日：2021-08-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于VAE数据增强的CRISPR/Cas9脱靶预测方法，包括S1、采用Pair编码对训练数据进行处理；S2、采用H‑VAE模型对步骤S1中处理后的数据进行预训练以获得隐变量分布的参数；S3、采用给定的后验分布并结合隐变量分布的参数采样新的正样本；S4、将新采样的正样本与之前的训练数据融合，在保留原始信息模型的信息提取模块的基础上，将最后的全连接层进行替换，使用融合后的数据进行联合训练；S5、利用训练好的任务分类结果，对新的输入任务进行脱靶预测。本发明解决了类不平衡数据所带来的学习不稳定等问题。
-
公开(公告)号：CN111261223B
公开(公告)日：2022-05-03
申请号：CN202010030316.0
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于深度学习的CRISPR脱靶效应预测方法，通过使用BERT模型对人类基因组进行信息的抽取，有效地利用基因组的先验信息，并对数据进行有效地加强，最后将获取到的特征输入到LightGBM方法中进行训练预测，本发明解决了数据量少和数据不平衡的问题，并实现了对CRISPR脱靶效应的有效预测，具有十分重要的推广应用价值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
